O Impacto da Violência Criminal Urbana no Valor dos Imóveis
Residenciais do Bairro da Tijuca, Cidade do Rio de Janeiro, no
Período de Junho de 2000 à Janeiro de 2002.
Fernando José de Lacerda Carvalho Junior
Universidade Federal do Rio de Janeiro
Instituto COPPEAD de Administração
Mestrado em Administração
Orientador: Celso Funcia Lemme
Rio de Janeiro - Brasil
Setembro de 2003
ii
O Impacto da Violência Criminal Urbana no Valor dos Imóveis
Residenciais do Bairro da Tijuca, Cidade do Rio de Janeiro, no Período de
Junho de 2000 à Janeiro de 2002.
Fernando José de Lacerda Carvalho Junior
Dissertação submetida ao corpo docente da COPPEAD da Universidade
Federal do Rio de Janeiro, como parte dos requisitos necessários à
obtenção do grau de Mestre.
Aprovada por:
_______________________________________ Presidente da Banca
Prof. Celso Funcia Lemme (COPPEAD/UFRJ)
_________________________________________
Prof. Eduardo Saliby (COPPEAD/UFRJ)
______________________________________
Prof. Ronaldo Serôa da Motta (IPEA)
Rio de Janeiro, RJ
2003
iii
FICHA CATALOGRÁFICA
Carvalho Junior, Fernando José de Lacerda.
O Impacto da Violência Criminal Urbana no Valor dos Imóveis
Residenciais do Bairro da Tijuca, Cidade do Rio de Janeiro, no Período
de Junho de 2000 à Janeiro de 2002./
Fernando José de Lacerda Carvalho Junior. Rio de Janeiro:
UFRJ/COPPEAD, 2003
xi, 139p. il.
Dissertação - Universidade Federal do Rio de Janeiro, COPPEAD.
1. Avaliação Econômica. 2. Impacto Ambiental. 3. Preços Hedônicos.
4. Mercado Imobiliário. 5. Dissertação (Mestrado - UFRJ/COPPEAD).
I.Título
iv
RESUMO
CARVALHO JR., Fernando José de Lacerda. O Impacto da Violência Criminal Urbana
no Valor dos Imóveis Residenciais do Bairro da Tijuca, Cidade do Rio de Janeiro, no
Período de Junho de 2000 à Janeiro de 2002. Orientador: Celso Funcia Lemme. Rio de
Janeiro: UFRJ/COPPEAD, 2002. Dissertação (Mestrado em Administração).
Este estudo, de natureza exploratória, tem como objetivo utilizar o
método de preços hedônicos para estimar o impacto da violência criminal urbana nos
imóveis residenciais do Rio de Janeiro, especificamente nos imóveis residenciais do
bairro da Tijuca, e busca dar uma abordagem sistematizada a um tema pouco explorado
na pesquisa empírica em Administração.
São utilizados dois modelos de regressão, com amostras distintas,
medindo a segmentação do mercado imobiliário, o impacto gerado por dados agregados
de crimes nos imóveis e sua perda de valor pela proximidade de áreas de concentração
do crime organizado. São encontrados coeficientes negativos e significativos para os
índices de crimes e positivos e significativos para a proximidade de áreas de
concentração do crime organizado.
v
ABSTRACT
CARVALHO JR., Fernando José de Lacerda. O Impacto da Violência Criminal Urbana
no Valor dos Imóveis Residenciais do Bairro da Tijuca, Cidade do Rio de Janeiro, no
Período de Junho de 2000 à Janeiro de 2002. Adviser: Celso Funcia Lemme. Rio de
Janeiro: UFRJ/COPPEAD, 2002. Dissertation (Mastership in Administration).
This study, of exploratory nature, uses the hedonic price method to
estimate the impact of urban criminal violence on residential real estate property of Rio
de Janeiro, specifically on the residential real estate of the neighbourhood of Tijuca, and
searches for a sistematic aproach to a topic not yet well developed in the business
administration research.
Two regression models are used, with separate samples, measuring real
estate market segmentation, the cost generated by crime indexes on real estate property
and the loss of value due to the proximity of organized crime concentration areas. The
models found negative and significative coeficientes for the crime indexes and positive
and significative for the proximity of organized crime concentration areas.
vi
LISTA DE TABELAS
Nº TÍTULO Página
1 Aumento Populacional do País e Aumento Populacional das 10 Maiores Capitais
Brasileiras.
15
2 Número de "Principais Delitos", por Área de Planejamento (AP) da Cidade do Rio
de Janeiro.18
3 Atributos usados em Artigos Empíricos Publicados entre 1990-95 (percentual) 48
4 Variáveis do Modelo 1. Análise de Segmentação entre Bairros do Município do Rio
de Janeiro. Análise do Custo da Violência, através de Dados Agregados de Crimes.
Cálculo do Coeficiente Tijuca.
60
5 Modelo 2. Análise da Variável Violência Criminal Urbana pela Distância Euclidiana
Entre Imóveis e Favelas. Análise de Segmentação (sub áreas), pelo CEP.61
6 Análise de Correlação entre Variáveis Sócio econômicas e Variáveis Criminais, por
Bairros do Município do Rio de Janeiro.64
7 Tipos de Informações Pertinentes ao Trabalho de Pesquisa e Sujeitos Visados para
Obtenção dessas Informações.67
8 Variáveis Relevantes nos Preços de Imóveis, por Corretores Experientes (2
Entrevistados).68
9 Resultados da Amostra 1. Totalidade dos Dados. 71
10 Tipos de Crimes Selecionados para Contabilização das Ocorrências, por AISP. 74
11 Resultados da Amostra 2. Dados Finais. 77
12 Resultados obtidos por CUMMINGS et al. (2001), para a Cidade da Filadélfia.
Relações entre Graus de Escolaridade, Pobreza e Assassinatos.78
13 Distribuição de Favelas Consideradas por Bairro. 81
14 Estatísticas Descritivas das Variáveis da Amostra 1. 90
15 Potenciais out-liers da Amostra 1, pelos critérios Resíduos Padronizados e Índice de
Cook's.91
16 Índices de Tolerância das Variáveis Independentes do Modelo 1. 92
17 Resumos das Regressões do Modelo 1. Regressões com Função LINEAR e SEMI-
LOG, pelos Métodos ENTER e STEPWISE.92
18 Correlação entre Variáveis Sócio Econômicas (Nº de Favelas, Renda Média,
População e Índice de Alfabetização) e as Variáveis Criminais, por Bairro da Cidade
do Rio de Janeiro, no Ano 2001
96
19 Regressões entre a Variável Criminal (Homicídios Dolosos) - Variável Dependente - 97
vii
e as Variáveis Sócio Econômicas - Nº de Favelas, Renda Média, Índice de
Alfabetização e População (Variáveis Independentes), por Bairros do Município do
Rio de Janeiro, no Ano 2001.
20 Estatísticas Descritivas das Variáveis da Amostra 2. 99
21 Potenciais out-liers da Amostra 2, pelos critérios Resíduos Padronizados e Índice de
Cook's.100
22 Regressão dos Bairros Tijuca, Grajaú, Vila Isabel, Maracanã e Andaraí, ENTER -
LINEAR.101
23 Resultado da Regressão entre os Bairros Tijuca, Grajaú, Vila Isabel, Maracanã e
Andaraí, Método STEPWISE - Função LINEAR.101
24 Comparação das Estatísticas R2 Ajustado e F das Formas Funcionais LINEAR e
SEMI-LOG, Método STEPWISE - Modelo 2.103
25 Resumo dos Resultados Modelo 2 - Função LINEAR - Método STEPWISE - 5
Variáveis de Vizinhança (SAL_KM; MAC_KM; FAV5_KM; DMIN_KM;
DMIN4_KM).
103
26 Índice de Tolerância das Variáveis Independentes do Modelo 2. 105
27 Estatísticas R2 e F do Modelo Unitlizando Variável Independente Preço/M2. 106
viii
LISTA DE GRÁFICOS
Nº TÍTULO Página
1 Distribuição de Imóveis Coletados por Bairros, da Totalidade dos Dados obtidos
(Amostra 1).71
ix
LISTA DE FIGURAS
Nº TÍTULO Página
1 Mapa do Município do Rio de Janeiro. Bairros da "Grande Tijuca" (em destaque). 6
2 Mapa dos Bairros em Estudo (linha tracejada) e das Favelas Adjacentes (linha
cheia).79
3 Mapa dos Bairros Pertencentes à Amostra, Favelas Demarcadas e Centróides. 82
4 Regressões Realizadas no Modelo 1, em Níveis: Funcionais, de Método e de
Variáveis Independentes Incluídas na Equação de Regressão.83
x
SUMÁRIO1. INTRODUÇÃO 11.1. APRESENTAÇÃO E OBJETIVO 21.2. MOTIVAÇÃO 31.3. RELEVÂNCIA 41.4. DELIMITAÇÃO 62. REVISÃO DE LITERATURA 82.1. ESTUDOS DE IMPACTOS AMBIENTAIS 92.1.1. EPISTEMOLOGIA DAS QUESTÕES AMBIENTAIS 102.1.2. INTEGRAÇÃO ENTRE SOCIEDADE, VIOLÊNCIA URBANA E MEIO-AMBIENTE 112.2. AVALIAÇÃO SOCIAL DE PROJETOS 192.2.1. ÓTICA PRIVADA VERSUS ÓTICA SOCIAL 192.2.2. EXTERNALIDADES 222.2.3. COMENTÁRIOS SOBRE AVALIAÇÃO SOCIAL DE PROJETOS E EXTERNALIDADES 252.3. AEIA - CONCEITOS E MÉTODOS 262.3.1.CONCEITOS EM AVALIAÇÃO ECONÔMICA DE IMPACTOS AMBIENTAIS. 272.3.2. MÉTODOS DE AVALIAÇÃO ECONÔMICA DE IMPACTOS AMBIENTAIS. 302.4. O MERCADO IMOBILIÁRIO E A FORMAÇÃO DE PREÇOS 342.4.1. DEFININDO PROPRIEDADE ("ESTATE") 342.4.2. AVALIAÇÃO DE PROPRIEDADES 342.4.3. MÉTODOS DE AVALIAÇÃO DE PROPRIEDADES: 352.4.4. TIPOS DE RISCOS NO MERCADO IMOBILIÁRIO 372.5. PREÇOS HEDÔNICOS E O MERCADO IMOBILIÁRIO 382.5.1. FUNDAMENTOS DA TEORIA ECONÔMICA 412.5.2. AS VARIÁVEIS DO MODELO ECONOMÉTRICO 442.5.3 AS FORMAS FUNCIONAIS DA EQUAÇÃO DE PREÇOS HEDÔNICOS 502.5.4. MULTICOLINEARIDADE - DEPENDÊNCIA E HETEROGENEIDADE ESPACIAL 542.5.5. CONSIDERAÇÕES FINAIS SOBRE MODELOS DE PREÇOS HEDÔNICOS 573. METODOLOGIA 593.1. DESCRIÇÃO DOS MODELOS DE PREÇOS HEDÔNICOS. 593.2. CLASSIFICAÇÃO DA PESQUISA 653.3. UNIVERSO E AMOSTRA 663.4. SELEÇÃO DOS SUJEITOS E COLETA DE DADOS 673.4.1. COLETA DE DADOS - AMOSTRA 1 693.4.2. COLETA DE DADOS - AMOSTRA 2 753.5. ANÁLISE DOS DADOS 823.6. LIMITAÇÕES DO MÉTODO 843.6.1. LIMITAÇÕES GERAIS 853.6.2. LIMITAÇÕES - MODELO 1 863.6.3. LIMITAÇÕES - MODELO 2 874. RESULTADOS 904.1. RESULTADOS - MODELO 1. 904.2. RESULTADOS - MODELO ADJACENTE 2.1. 954.3. RESULTADOS - MODELO 2. 985. CONCLUSÕES 1075.1. QUANTO AOS RESULTADOS DOS MODELOS 107
xi
5.2 QUANTO À PERGUNTA DE PESQUISA 1085.3 QUANTO À REAL CONTRIBUIÇÃO DA PESQUISA 1105.4 COMENTÁRIOS FINAIS 1106. SUGESTÕES PARA PESQUISAS FUTURAS 112
7- REFERÊNCIAS BIBLIOGRÁFICAS 114
ANEXOS 119ANEXO 1 - LISTA DE SITES PESQUISADOS E SITES DE DADOS COLETADOS 120ANEXO 2 - ÁREAS INTEGRADAS DE SEGURANÇA PÚBLICA E DELEGACIAS 121ANEXO 3 - NÚMERO DE CRIMES DAS AISP'S DOS BAIRROS - AMOSTRA 1 122ANEXO 4 - DADOS DA REGRESSÃO ENTRE Nº DE CRIMES E Nº DE FAVELAS 123ANEXO 5 - LISTA DAS FAVELAS UTILIZADAS NA AMOSTRA 2. 124ANEXO 6 - LAUDO DO IMÓVEL. 125ANEXO 7 - ÁREAS DE PLANEJAMENTO (AP'S) DO MUNICÍPIO DO RIO DE JANEIRO. 126ANEXO 8 - PLANILHA RESUMO AMOSTRA 1. 127ANEXO 9 - MAPA DA TIJUCA COM OS IMÓVEIS DA AMOSTRA 2 E AS FAVELAS . 128ANEXO 10 - MODELO 1 - MATRIZ DE CORRELAÇÃO E DE TOLERÂNCIA DASVARIÁVEIS INDEPENDENTES
129
ANEXO 11 - MODELO 1 - MÉTODO ENTER - FUNÇÃO LINEAR. 130ANEXO 12 - MODELO 1 - MÉTODO STEPWISE - FUNÇÃO LINEAR. 131ANEXO 13 - MODELO 1 - MÉTODO ENTER - FUNÇÃO SEMI-LOG. 132ANEXO 14 - MODELO 1 - MÉTODO STEPWISE - FUNÇÃO SEMI-LOG. 133ANEXO 15 - MODELO 2 - MATRIZ DE CORRELAÇÃO E ÍNDICE DE TOLERÂNCIA DASVARIÁVEIS INDEPENDENTES
134
ANEXO 16 - MODELO 2 - MÉTODO ENTER - FUNÇÃO LINEAR. 135ANEXO 17 - MODELO 2 - MÉTODO ENTER - FUNÇÃO LINEAR. 136ANEXO 18 - MODELO 2 - MÉTODO STEPWISE - FUNÇÃO LINEAR. 137ANEXO 19 - MODELO 2 - MÉTODO STEPWISE - FUNÇÃO LINEAR. 138ANEXO 20 - MODELO 2 - MÉTODO STEPWISE - FUNÇÃO SEMI-LOG. 139
1. INTRODUÇÃO
A área do conhecimento voltada para o estudo, sistematização e
compreensão do mundo dos negócios, a Administração, tem se desenvolvido de forma
crescente nas últimas décadas. Em todas as funções relacionadas a esta área de pesquisa,
cada vez mais tem-se dado atenção ao instrumental teórico que dá suporte à otimização
do uso dos recursos disponíveis ao desenvolvimento humano.
Inicialmente sob a ótica do indivíduo (ou empresa), passando pela ótica
da sociedade e, em seguida, pela abordagem da influência no ambiente em que vivemos,
o estudo das atividades humanas (econômicas, sociais, políticas), com os conseqüentes
reflexos em nossas vidas e em nosso planeta, passou a ser um foco constante de atenção
para acadêmicos e profissionais.
Com vistas nestes antecedentes, este trabalho de pesquisa visa aplicar
conhecimentos de determinadas áreas da Administração, adquiridos durante o curso de
mestrado no Instituto COPPEAD, em tópicos que representem uma contrapartida
efetiva à sociedade, uma aplicação prática e direta de conceitos, e que seja base para
novas e mais precisas pesquisas, dando uma contribuição ao desenvolvimento do
conhecimento. Origina-se daí, a natureza exploratória e de caratér prático deste trabalho
de pesquisa, buscando uma abordagem sistematizada a um tema pouco explorado na
pesquisa empírica em Administração.
O caráter prático deste estudo não implica em uma aversão ou
contraposição à abordagem teórica da pesquisa científica, mas certamente no oposto.
Reflexões conceituais e modelos teóricos têm importância relevante no
desenvolvimento da ciência, da técnica e da humanidade¸ porém, devido única e
exclusivamente à personalidade do autor, o tema escolhido urgia por pragmatismo e
aplicabilidade.
Sendo assim, este capítulo inicial visa descrever os fatores que deram
origem ao estudo aqui presente, mostrando o seu objetivo principal, bem como sua
motivação e relevância para sociedade e para o meio acadêmico.
O item 1.1, a seguir mostra qual o tipo de pesquisa desenvolvida, bem
como os seus objetivos.
2
1.1. Apresentação e Objetivo
A avaliação de questões ligadas à administração e aos impactos sobre o
meio ambiente tem estado cada vez mais em pauta, tanto no mundo dos negócios quanto
no meio acadêmico. O termo ambiental deixou de ser um vocábulo exótico das aulas de
biologia e passou a integrar uma discussão mais ampla, abrangendo áreas e conceitos
interdisciplinares.
Esta dissertação busca nas áreas de Economia e Finanças a base teórica
de sustentação para suas argumentações e conclusões, tendo na avaliação econômica de
impactos ambientais (AEIA) seu principal foco. Não mais importante que as demais
formas de avaliação de impactos ambientais, a econômica "não pretende valorar o meio
ambiente, mas apenas medir preferências humanas em relação aos estados do ambiente.
Valores monetários são uma forma bastante comum e perceptível das pessoas
expressarem preferências" (TURNER et al. apud LEMME, 2000, p.36). Além disso,
segundo KING (apud MAY, 1995) "lógica, justiça ou ética - ou a lei da entropia -
podem influenciar os intelectuais, mas líderes populares são movidos por medidas
convencionais de custos e benefícios."
Tendo estas duas colocações em mente, o estudo tem por objetivo
identificar, através de preferências reveladas e preços hedônicos, a serem definidas
posteriormente, o impacto das atividades humanas no valor de ativos reais (em
contraposição a ativos financeiros). Mais especificamente, o estudo busca responder à
seguinte pergunta:
Qual é o impacto da violência criminal urbana no valor dos imóveis
residenciais no município do Rio de Janeiro, mais especificamente no
bairro da Tijuca, no período de junho de 2000 a janeiro de 2002?
Além desta pergunta principal, no decorrer deste trabalho são abordadas
perguntas adjacentes a esta, tratando das variáveis instrumentais e de suas proxies, e
também da influência, no valor dos imóveis, da proximidade de regiões de baixa renda.
Duas perguntas adjacentes têm destaque, sendo listadas abaixo:
1. Quais as medidas da violência criminal que podem ser empregadas para inferir o
impacto no valor das residências? Que variáveis instrumentais utilizar?
2. Pode-se inferir que a proximidade de áreas de baixa renda e elevados índices
criminais causam diminuição no valor dos imóveis residenciais?
3
Esta dissertação trata, focadamente, da realidade do município do Rio de
Janeiro, abordando um problema atual e presente no cotidiano dos habitantes da
"Cidade Maravilhosa". Utiliza-se do método de preços hedônicos (do inglês, hedonic
prices) para determinar a perda de valor imputada nos imóveis residenciais, devida à sua
localização e em função das características de qualidade de vizinhança de sua
comunidade.
Para tanto, este estudo foi divido em seis capítulos, tendo no capítulo 1 -
Introdução - a apresentação do estudo, seus objetivos, motivação, relevância e
delimitação. O capítulo 2 - Revisão de Literatura - visa embasar a discussão entre meio
ambiente, população e violência criminal urbana, estabelecer os aspectos teóricos da
avaliação social de projetos e AEIA, definir alguns conceitos pertinentes ao mercado
imobiliário, especificar o método de preços hedônicos, bem como situar os estudos
aplicados do método em questão. O capítulo 3 - Metodologia - caracteriza tecnicamente
o estudo, descrevendo a forma de coleta e tratamento de dados. O capítulo 4 -
Resultados - mostra a resposta do modelo construído para tratar o problema. No capítulo
5 - Conclusão - estão listadas as análises e inferências específicas a partir dos resultados
colhidos, inferências menos pragmáticas devidas às observações do autor e impressões
mais genéricas, que visam estimular a discussão e o interesse pelo tema. E finalmente,
no capítulo 6 - Sugestões para Pesquisas Futuras - há uma discussão sobre as
possibilidades de expansão do método e da inclusão de novos indicadores relativos ao
custo da violência criminal.
A motivação do autor a estudar o tema escolhido será abordada no item
seguinte, trazendo luz à razão pela qual dedicou tantas horas e noites mal dormidas ao
assunto específico.
1.2. Motivação
O tema central desta dissertação, ao contrário do que parece, não versa
sobre custos e benefícios, valores ou modelos matemáticos, mas sim sobre aspectos
relacionados aos impactos que nós, seres humanos (pretensiosos e irresponsáveis),
causamos à nossa única e preciosa fonte de existência, a Terra. As simples ações que
tomamos diariamente comprometem, pouco a pouco, o balanço da vida no nosso
planeta. Somos cerca de 7 bilhões de pessoas em 2003 (número inimaginável, devido à
4
sua amplitude), utilizando bens e serviços oriundos do meio ambiente, sem que façamos
uma retribuição em equivalente escala. A idéia do crescimento contínuo da nossa
espécie, aliado à finitude das reservas ambientais ao nosso dispor, sempre esteve
presente em meus pensamentos e angústias.
A idéia de desenvolvimento sustentável (MAY, 1995, p.3), ou seja, de
garantir às gerações futuras pelo menos as mesmas oportunidades da atual de progresso
econômico, sem prejudicar a qualidade do ambiente físico, alterou minha percepção
sobre a avaliação das atividades humanas. O enfoque individual / microeconômico
tradicional deveria cada vez mais dar lugar à abordagem social / macroeconômica, para
que nós pudéssemos medir, efetivamente, os custos e benefícios totais para a sociedade
e para o ambiente.
A segunda fonte de inspiração para realização deste estudo refere-se
diretamente à sensação de insegurança pela qual passamos cotidianamente, na rotina de
uma grande cidade. A multiplicação desordenada do ambiente urbano, aliada aos
problemas estruturais, econômicos e sociais do Brasil, propicia o surgimento de uma das
principais angústias sociais dos nossos tempos, a violência. Esta chaga da sociedade se
apresenta de muitas formas, subvertida e endêmica, perto de nossas casas, famílias e
crianças, tirando nossas liberdades individuais e, muitas vezes, nos tornando insensíveis
ao sofrimento alheio.
Finalmente, a possibilidade de aliar a inquietação pessoal à prática de
Finanças, através de modelos de AEIA, mostrou-me uma forma pragmática de explicitar
o problema da violência criminal urbana, dando uma base palpável de argumentação,
ainda que tais modelos expressem estimativas e encontrem-se em desenvolvimento.
1.3. Relevância
Diariamente, os cidadãos das grandes cidades são bombardeados com um
número cada vez maior de notícias relacionadas à violência urbana, por todos os tipos
disponíveis de mídia. Tal fato torna importante a discussão mais abrangente do tema e a
busca por soluções viáveis para questão.
Além da segurança pública abalada, outros tópicos podem ser
enumerados e correlacionados à questão da violência urbana, como aspectos de natureza
econômica. A economia do crime tem interessado os economistas desde a década de 60,
5
e exemplos podem ser citados como os trabalhos seminais de BECKER (1968 apud
CLARK e COSGROVE, 1990) e EHRLICH (1973 apud CLARK e COSGROVE,
1990).
Os estudos ligados à questão da violência e segurança públicas são
importantes na medida em que fornecem estimativas de benefícios e de custos aos
responsáveis por políticas de desenvolvimento social, para determinar se a redução dos
níveis da criminalidade são justificáveis, sob a ótica social de avaliação de projetos. Ou
seja, estes estudos têm como meta derivar o valor do output gerado pela produção de
segurança pública, em contrapartida aos custos acarretados pela falta dela.
Alguns números são exemplos significativos e sintetizam a colocação
acima. Em um congresso realizado em marco de 1998 na cidade de Cartagena, na
Colômbia, o BID1 apresentou um estudo em que concluía que "a principal barreira ao
desenvolvimento" da América Latina era, e ainda é, a violência. Neste estudo, a
instituição fornecia valores monetários relacionados ao custo que esta violência
representava para os países do continente. Um valor equivalente a 14,2% do PIB da
América Latina era gasto anualmente, ou cerca de US$ 168 bilhões (valores de 1998),
no combate à violência.
Segundo o ex-ministro da saúde da Colômbia, Juan Luís Londono: "a
violência, no fundo, é o custo da desigualdade. Ela evidencia o aumento da pobreza e da
distribuição desigual de rendas que ainda subsistem na América Latina." Segundo o
estudo do BID, a América Latina apresentava as maiores taxas de violência e de
desigualdade social do mundo, sendo a violência urbana ainda maior, devido às falhas
na educação, que impossibilitavam aumento de renda, e nos processos econômicos da
região. Situação não muito diferente da atual.
Para o Brasil, os custos atribuídos a violência representavam 10,5% do
PIB, ou US$ 84 bilhões anuais, divididos da seguinte forma: 1) tratamento de saúde de
vítimas igual a US$ 15 bilhões por ano; 2) prejuízos materiais (manutenção do aparato
de segurança, destruição de propriedade, etc) iguais a US$ 28 bilhões por ano; 3)
deterioração do consumo e das condições de trabalho igual a US$ 27,2 bilhões por ano;
4) transferência de valores (oriundos de roubos, fraudes, lavagem de dinheiro, etc), entre
criminosos igual a US$ 12,8 bilhões por ano. Se comparado à estimativa de gastos do
1 Para maiores detalhes, ver PASSOS (1998).
6
governo com novos investimentos feita para 1998, o custo com a violência era cerca de
8 vezes maior (previa-se, naquele ano, novos investimentos no valor de US$ 11
bilhões).
Segundo o ISER (Instituto de Estudos da Religião), o custo total da
violência no Rio - somando despesas com a saúde, segurança e justiça - chegou a quase
US$ 2,5 bilhões em 1995, número equivalente a 5% do PIB do Estado, sendo que
perdas materiais e gastos com segurança totalizaram US$ 1,2 bilhão.
Ainda como justificativa para este trabalho, vale ressaltar que até o
momento relativamente pouca atenção foi focada na avaliação de segurança pública.
Quanto à questão de custos e benefícios, as estimativas dos benefícios são difíceis de
serem obtidas, devido à natureza do bem em questão (segurança pública). Este é um
exemplo clássico de bem público, pois satisfaz as condições de não ser exclusivo e de
não gerar competição entre os interessados, dentro de um contexto regional (CLARK e
COSGROVE, 1990).
Portanto, o tema abordado neste trabalho fala por si só. A intenção de
avaliar os impactos da violência urbana nos imóveis da cidade é, de fato, uma tentativa
de ampliar a abrangência da contabilização. Se, por um lado, inferirmos que há
desvalorização dos mesmos por conta da criminalidade urbana, por outro não temos
uma estimativa deste valor. E o reconhecimento do mesmo pode chamar a atenção para
a perda de patrimônio que sofrem os cidadãos e a de receita que sofrem os governos.
1.4. Delimitação
Ao estudo foram atribuídos os limites físicos, segundo os tópicos abaixo:
• Estado: Rio de Janeiro; Cidade: Rio de Janeiro; Bairro: Tijuca - maior
área destacada, no mapa do município do Rio de Janeiro, a seguir;Figura 1: Mapa do Município do Rio de Janeiro. Bairros da "Grande Tijuca" (em destaque).
7
O bairro central do estudo é o da Tijuca (pelo limite oficial de bairros do
município do Rio de Janeiro), mas devido a questões de acessibilidade de dados (a ser
tratada na seção 3.3), foram incluídos os bairros do Andaraí, Grajaú, Maracanã e Vila
Isabel. Dessa forma, será analisada a diferença entre estes bairros, focando na criação do
conceito da "Grande Tijuca".
Devido ao caráter experimental do estudo e de características de
segmentação do mercado imobiliário, foram traçados dois modelos de análise, ambos
com a intenção de caracterizar o impacto da violência criminal urbana na Tijuca. O
primeiro modelo (Modelo 1 - dados mais agregados, a ser definido no capítulo 3) captou
dados de imóveis de diferentes bairros do município, na tentativa de se calcular um
delta Tijuca. O segundo modelo (Modelo 2 - dados mais detalhados, a ser definido no
capítulo 3), mais especificamente voltado a dados de imóveis da área caracterizada
como "Grande Tijuca", foi utilizado para buscar as estimativas do custo da violência,
pela proximidade de áreas com concentração de criminalidade (favelas).
O trabalho focou na coleta e análise de dados de imóveis residenciais
(apartamentos e casas), excluindo-se imóveis comerciais de qualquer espécie
(escritórios, lojas, armazéns, etc.).
Com os limites do estudo devidamente traçados, a próxima seção visa a
identificação da base teórica que dá suporte ao estudo de impactos e amenidades
ambientais (e da violência criminal urbana, como amenidade de vizinhança). A Revisão
de Literatura começa com a identificação dos métodos de avaliação, focadamente a
avaliação social de projetos e o conceito de externalidades, expandindo para os métodos
de AEIA, de onde o método empregado no estudo (preferências reveladas por preços
hedônicos) será buscado. Em seguida é abordada a descrição de algumas
particularidades quanto a avaliação de propriedades no mercado imobiliário e,
finalmente, é dada atenção ao modelo de preços hedônicos, em termos de teoria
econômica e aplicações em pesquisas empíricas. Estes tópicos estão abordados no
capítulo seguinte.
8
2. REVISÃO DE LITERATURA
Este capítulo tem por objetivo enumerar e discutir os fundamentos
teóricos pertinentes ao tema do estudo, bem como mostrar o enfoque das pesquisas
acadêmicas empíricas semelhantes a este trabalho. Não é a intenção aqui esgotar o
referencial de literatura sobre o tema, mas situar o leitor, dando-lhe um encadeamento
lógico de idéias e conceitos que possibilitem o entendimento da dinâmica envolvida na
AEIA, e, posteriormente, de forma mais específica, na metodologia de avaliação
apresentada.
Para tanto, é importante o entendimento de conceitos anteriores aos de
AEIA, que dão suporte ao tema. Serão apresentados no item 2.1 questões referentes aos
estudos de impactos ambientais, de forma mais ampla (além do foco econômico),
prestando particular atenção a algumas questões epistemológicas e à temática da
integração entre sociedade urbana e o meio-ambiente, situando a questão da violência
nesta inserção. Estes tópicos estarão descritos nos itens 2.1.1 e 2.1.2, respectivamente.
Em seguida, no item 2.2, a comparação entre a ótica privada e a ótica
social de avaliação de projetos é estabelecida, buscando mostrar as diferenças entre a
abordagem financeira e a econômica na seleção de ativos reais (item 2.2.1). Dos
conceitos referentes a avaliação social de projetos, o de externalidades é explicitado
(item 2.2.2), devido à sua importância na avaliação de impactos ambientais e,
finalmente, no método de preços hedônicos. Finalizando este item, são tecidos
comentários relevantes a respeito da avaliação social de projetos e do conceito de
externalidades (item 2.2.3).
O item 2.3 traz os principais conceitos e métodos de AEIA e ali é
destacado o método a ser utilizado neste trabalho de pesquisa.
O mercado imobiliário e as principais variáveis na formação de preços
são apresentados no item 2.4, situando o leitor para o último item (item 2.5), que foca o
método de preços hedônicos, buscando ilustrar a pesquisa empírica de avaliação por
este método, discutindo as diferentes abordagens para os problemas apresentados, as
metodologias utilizadas e resultados obtidos.
Portanto, para iniciar a descrição da estrutura teórica por trás do método
de avaliação, começamos pelo item 2.1, a seguir.
9
2.1. Estudos de Impactos Ambientais
A segunda metade do século XX foi, marcadamente, o período de
desenvolvimento da discussão sobre os impactos que o homem causa no nosso planeta e
sobre as formas que teríamos de protegê-lo. Na década de 70, alguns
acontecimentos contribuíram para que a preocupação com a qualidade ambiental fosse
direcionada para as questões de esgotamento dos recursos naturais e dos níveis de
poluição, passando a atrair efetivamente o interesse da opinião pública e dos governos
dos principais países do Primeiro Mundo: o agravamento da poluição nos países
industrializados; a repercussão internacional da Conferência das Nações Unidas sobre o
Meio Ambiente Humano, realizada em Estocolmo, em 1972; a ocorrência de desastres
ecológicos, resultantes de vazamentos de óleo de petroleiros; a publicação do primeiro
informe do Clube de Roma e, principalmente, a crise do petróleo em 1973, que colocou
a questão de uma nova ordem econômica internacional e de uma nova concepção de
desenvolvimento. Ainda nessa mesma década, surgem as primeiras discussões sobre a
problemática ambiental dentro da perspectiva do subdesenvolvimento, como bem
demonstraram os programas e trabalhos dos organismos internacionais ligados às
Nações Unidas: Programa das Nações Unidas para o Meio Ambiente (Pnuma) e
Comissão das Nações Unidas para a América Latina (Cepal).
A "Nave Espacial Terra", de Kenneth Boulding, necessitava de atenção e
duas questões fundamentais foram levantadas: como encarar as mudanças no meio
ambiente? E o que fazer para não esgotarmos seus recursos naturais?
A primeira referiu-se ao entendimento da mecânica funcional dos
processos ambientais e à percepção de que o meio ambiente não é apenas um passivo
sofredor de mudanças, mas também promotor das condições para que elas aconteçam.
Partindo desta ótica, a idéia de equilíbrio dinâmico deveria ser substituída pelo conceito
de estabilidade relativa, presente nas Leis da Termodinâmica (Lei da Conservação e Lei
da Entropia), onde o ambiente natural está em constante mudança de estado pelo
aumento da entropia e onde a energia erosiva permanece relativamente estabilizada
(RAEGEN apud MAY, 1998, p. 6; PRIGOGINE e STENGES, 1992 apud CUNHA et
al., 2001). E, dessa maneira, para os estudos de impactos ambientais a abordagem de
sistemas dinâmicos deveria ser alterada para a "concepção de sistemas complexos, não
10
lineares e longe do equilíbrio", apresentada por Maria Célia Nunes Coelho (CUNHA et
al., 2001, cap. 1).
A segunda questão tratou dos conceitos de capacidade de suporte do
planeta e de sustentabilidade do meio ambiente. O primeiro conceito identifica o limite
sustentável do impacto das atividades humanas e da necessidade de investimentos em
capital natural, como formas de evitar o esgotamento de recursos ambientais. O segundo
conceito foca no escalonamento da importância de promover o desenvolvimento
sustentável, definindo áreas de sustentabilidade desde muito fraca até muito forte2.
Surgia, então, a linha de pensamento denominada de Economia Ecológica, que buscava,
na economia neoclássica e na ecologia tradicional, os conceitos teóricos fundamentais
para seu desenvolvimento, mas indo além, para outras áreas, para completar a
necessidade de melhor explicar o meio ambiente e o crescimento econômico
(AMAZONAS, 1999).
Com essas questões em mente, os estudos de impactos ambientais se
desenvolveram e, até hoje, buscam o melhor entendimento do nosso planeta nas
diferentes áreas do conhecimento humano. Portanto, para melhor compreensão do
arcabouço em foco, a epistemologia da questão ambiental deve ser abordada.
O item seguinte busca elucidar pontos importantes na abordagem do
estudo de impactos ambientais.
2.1.1. Epistemologia das Questões Ambientais
Os problemas ambientais são, em sua natureza, "multidimensionais"
(físicos, biológicos, químicos, sociais, políticos, e culturais) e, portanto, é necessária a
"aceitação da interdisciplinaridade como prática de pesquisa". Tais pensamentos são
expressos por CUNHA et al. (2001) e montam o arquétipo de trabalho necessário para o
estudo e pesquisa do meio ambiente.
Maria Célia Nunes Coelho (CUNHA et al. 2001) cita que o estágio de
avanço da ocupação do mundo torna cada vez mais difícil separar impacto biofísico de
impacto social e que, portanto, a ótica de causalidade unidirecional e de determinismo
nos processos de mudanças ambientais deve ser quebrada, incorporando noções de
2 Sustentabilidade muito fraca indica não haver alterações no bem-estar, dada a substituição do naturalpelo artificial. Sustentabilidade muito forte determina que até aspectos culturais sejam preservados(MAY, 1998, p 10).
11
irreversibilidade, probabilidade e imprevisibilidade às análises. Tese também advogada
por PRIGOGINE e STENGES (1992).
Ela vai além e sugere que "o processo político-econômico, com base na
racionalidade determinada pela acumulação de capital, sobre a produção do espaço, a
valoração da terra urbana e a apropriação de excedentes econômicos" determina
fortemente as formas como o meio será afetado, ocupado e os reflexos sociais ocorridos
em função deste processo. Portanto, pode-se inferir que o espectro social e a
espacialização têm correlação e influenciam os tipos de impactos ambientais presentes
em determinadas áreas.
Outro aspecto importante na metodologia dos estudos de impactos
ambientais e principalmente na avaliação econômica destes está ligado ao fato de que os
métodos atuais, por estarem em desenvolvimento e não apresentarem unanimidade
quanto às suas adequações, forçam os analistas a vencer a passividade empiricista e a
rigidez das técnicas (CUNHA et al. 2001), opinião reforçada por CONTADOR (1997)
quando explicita que o analista não deve abrir mão de sua "imaginação criadora" em
favor do uso de técnicas, por mais sofisticadas que estas sejam.
Por fim, MORIN (1996 apud CUNHA et al. 2001) cita que "a finalidade
do método é ajudar (o pesquisador / analista) a pensar, por si mesmo, para responder ao
desafio da complexidade dos problemas, e não paralisar suas ações e pensamentos."
Dessa forma, após termos identificado a interdisciplinaridade dos
problemas ambientais, atrelado a seu caráter amplo e de certa maneira aleatório (ou
probabilístico), e termos caracterizado o aspecto importante da criatividade do
pesquisador, o item seguinte aborda, de forma sucinta, a relação da sociedade urbana e
do meio ambiente, fundamental para o entendimento da problemática da violência nos
grandes centros urbanos.
2.1.2. Integração entre Sociedade, Violência Urbana e Meio-
Ambiente
Muitos problemas sociais, econômicos e políticos têm acompanhado o
crescimento urbano no mundo em desenvolvimento. A violência é um desses problemas
e sem dúvida um dos mais graves. Diversas são as causas da intensa evolução de todos
os tipos de violência nos grandes centros urbanos (homicídios, seqüestros, roubos,
tráfico de drogas, etc.), sendo tema suficiente para uma dissertação exclusiva. Aqui,
12
porém, é necessário apenas indicar alguns elementos que relacionem a estrutura social, a
espacialização ambiental e os fatores que diminuem e restringem a segurança pública.
Algumas perguntas surgem quando estamos diante dessa questão, como
por exemplo: Quais seriam as abordagens ao problema exposto? Quais as bases que
favorecem o desenvolvimento social e urbano em uma direção e não em outra? Que
fatores seriam os responsáveis?
Inicialmente, volta-se à necessidade da interdisciplinaridade no
tratamento da questão urbana e ambiental. MACHADO (1993 apud CUNHA et al.,
2001), refere-se às cidades como "sistemas abertos e complexos, ricos de instabilidade e
contingência", situando a discussão sobre a necessidade de ir além das conseqüências
aparentes e aprofundar o estudo das causas para o status quo. E ainda SANTOS (1994
apud CUNHA et al., 2001) refere-se à cidade como "um meio ambiente construído, que
é o retrato da diversidade das classes, das diferenças de renda e dos modelos culturais".
Posteriormente, CUNHA et al. (2001) abordam que os padrões sócio
espaciais e os impactos ambientais são também explicados pelas forças que emanam da
organização social, que é hierárquica por definição, salientando a importância da
desigualdade social na questão urbana. Além desse fator, citam ainda as políticas
públicas como cristalizadoras das desigualdades sociais; a realidade social, em suas
diversas dimensões, que impossibilita (ou restringe) a mobilidade de classes; e as forças
sociais (locais e globais), que influenciam a (re) estruturação sócio espacial, interna e
externa à cidade, abrangendo um espaço social mais amplo. O crescimento populacional
e urbano pode, sem dúvida, caracterizar este último tópico, determinando a distribuição
física e social nas metrópoles.
Dessa forma, dois fatores aparecem como geradores das condições
necessárias ao avanço da violência nas grandes cidades: a desigualdade social e o
crescimento populacional e urbano, que devem ser caracterizados. Inicialmente, será
situada a questão do crescimento populacional, a evolução populacional urbana
brasileira, e, em seguida, particularizada para a cidade do Rio de Janeiro.
Posteriormente, a desigualdade social, em parte causada pelo próprio crescimento
populacional, será abordada, no âmbito nacional e urbano.
O crescimento urbano é tido por muitos como uma das causas do
aumento da violência nos grandes centros, porém outros fatores são co-responsáveis por
13
este aumento, e aquele seria, além de causa, um amplificador dos efeitos. GIZEWSKI e
HOMER-DIXON (1995) salientam que pesquisas anteriores, teóricas e empíricas, sobre
a ligação entre crescimento urbano e violência mostrou uma correlação fraca ou
inexistente.
Todavia, a sugestão de pouca relação entre crescimento urbano e
violência parece tornar-se presunçosa como forma de prognóstico da situação social e
política das grandes cidades. De acordo com os autores, fatores como crises
econômicas, redução de legitimidade do Estado e de sua capacidade de combater
desafios políticos, bem como um gradual aumento de capacidade de avaliação relativa
da situação econômica e das oportunidades dos cidadãos (em situações desfavoráveis)
seriam os responsáveis pela escalada da violência nos grandes centros. ELIAS (1997
apud CUNHA et al., 2001) mostra alinhamento de idéias e completa que a teoria dos
processos sociais deve tender a diagnosticar e a explicar as mudanças sociais de longo
prazo e que o desenvolvimento não planejado, presente no crescimento populacional
urbano, é um importante fator de geração de tensões sociais.
Por outro lado, não desmerecendo o crescimento urbano, GIZEWSKI e
HOMER-DIXON (1995) salientam que cidades grandes e dinâmicas oferecem muitos
benefícios a sociedades em desenvolvimento, como oportunidades para o
empreendedorismo, a criatividade e a geração de riqueza. Porém, KASARDA e
PARNELL (1993 apud GIZEWSKI e HOMER-DIXON, 1995), citam os problemas
gerados pelo rápido crescimento das cidades, como altas taxas de desemprego e
subemprego, elevação da pobreza urbana, habitação insuficiente, infra-estrutura
sanitária inadequada, reservas de água contaminadas, poluição do ar e outras formas de
degradação ambiental, ruas congestionadas, superlotação dos sistemas de transportes e
crises orçamentárias municipais. CUNHA et al. (2001) completam que a tendência atual
do limitado planejamento urbano integrado leva as cidades a um caos ambiental urbano,
com custo extremamente alto para a sociedade.
No Brasil, o processo de urbanização desenvolveu-se de forma rápida,
gerando inúmeros problemas devido à falta de planejamento ou mesmo à velocidade da
urbanização, não acompanhada por uma assistência precisa e contínua das autoridades
responsáveis, gerando um passivo estrutural significativo para o desenvolvimento das
14
cidades. O país, que na década de 40 tinha 69%3 de sua população na zona rural,
reverteu esta situação trinta anos mais tarde, aumentando, na década de 70, sua
população urbana para 56%. O censo realizado no ano 2000 indica uma população
urbana aproximadamente igual a 138 milhões de habitantes, contra cerca de 32 milhões
na zona rural, ou seja 81% de população urbana, contra 19% rural. A estimativa
fornecida pelas Nações Unidas indica, para o ano 2010, 85% da população nas cidades
brasileiras.
Segundo dados do próprio IBGE, a população rural brasileira não só
começou a ter uma participação percentual menor como reduziu de tamanho, a partir da
década de 70. No início daquela década, a população rural era igual a 41 milhões de
habitantes, tendo uma queda de aproximadamente 22%, trinta anos mais tarde.
É interessante comparar o crescimento da população urbana nacional,
com o crescimento da população das grandes cidades. Observando mais uma vez os
dados de censos passados, verifica-se um aumento no tamanho das cidades existentes,
mostrando que, pelo menos em um primeiro momento, houve uma explosão
demográfica nos grandes centros e só posteriormente um aumento no número de
municípios. No início da década de 50, a população das 10 maiores capitais do país
representava cerca de 13% da população total do Brasil. Na década de 70, este
percentual chegou a 18%, tendo seu pico no censo de 1980 (19,6%), retornando ao
patamar de 18% nas décadas posteriores.
Podemos associar o crescimento urbano a três fatores primordiais, o
crescimento natural, a migração líquida e a reclassificação, sendo os dois primeiros os
que mais contribuem para o crescimento (GIZEWSKI e HOMER-DIXON, 1995). No
Brasil, a migração teve papel fundamental na explosão demográfica urbana, dada
principalmente nos anos do "Milagre Brasileiro", tendo início no período do regime
militar. A tabela 1 abaixo mostra o crescimento percentual da população do Brasil, em
comparação com o crescimento populacional das 10 maiores capitais do país (em
habitantes no ano 2000).
3 Fonte: IBGE (www.ibge.gov.br)
15
Tabela 1: Aumento Populacional do País e Aumento Populacional das 10 Maiores Capitais Brasileiras.
1950-1960 1960-1970 1970-1980 1980-1991 1991-2000São Paulo 72%*4 57%* 43%* 14% 8%
Rio de Janeiro 38%* 30% 20% 8% 7%Salvador 56%* 55%* 49%* 38%* 18%*
Belo Horizonte 94%* 81%* 44%* 13% 11%Fortaleza 88%* 69%* 52%* 35%* 21%*Brasília 284%* 119%* 36%* 28%*Curitiba 98%* 71%* 68%* 28%* 21%*Recife 50%* 35%* 14% 8% 10%
Manaus 24% 79%* 103%* 60%* 39%*Porto Alegre 61%* 39%* 27% 12% 8%
Brasil 35% 33% 28% 23% 16%Fonte: IBGE
A política econômica de substituição de importações adotada nesse
período foi responsável pelo desenvolvimento do parque industrial do país,
transformando-o “de país subdesenvolvido rural em país semi industrializado urbano”5.
O país passou do 48º lugar em termos de PIB para o 8º lugar no mundo ocidental, as
exportações saltaram de US$1,5 bilhão (do qual o produto principal era o café) em
1964, para US$ 27 bilhões vinte anos mais tarde (com ampla diversificação de
produtos). Sem dúvida, tal deslocamento econômico, do setor primário para o
secundário teve forte impacto na expansão das grandes cidades.
Pode-se identificar a expansão demográfica urbana acentuada nas três
primeiras décadas mostradas na tabela com o crescimento percentual nas capitais mais
acelerado que o total do país. Ainda na última década apresentada, há crescimento
superior ao brasileiro para 5 capitais. Como este índice mostra o crescimento
populacional no município das capitais, não está sendo levado em consideração o
crescimento populacional dos municípios adjacentes que formam a Grande São Paulo,
ou o Grande Rio, por exemplo. Portanto ao se analisar estes números, pode-se ter uma
visão mascarada do real crescimento das megalópoles, visto que inúmeras cidades
satélites servem apenas de cidades dormitórios cuja atividade econômica está
fortemente vinculada à da capital. Estes números escondem também o crescimento das
áreas periféricas das metrópoles, onde os problemas da expansão territorial urbana
descontrolada são mais propícios de ocorrer.
4 * Representa aumento percentual da capital maior que o aumento percentual do Brasil.5 Mário Henrique Simonsen, Revista EXAME, 13/04/94.
16
Porém, como indica a literatura, o crescimento urbano não seria o único responsável
pela escalada da violência, mas sim o co-responsável, quando não acompanhado por
aumento e distribuição eqüitativa dos investimentos em infra-estrutura e democratização
do acesso a serviços urbanos, gerando e acentuando as desigualdades sócio espaciais
(CUNHA et al., 2001).
Assim, ao falar dos estudos sobre sociedade urbana e escalada da
violência, juntamente a impactos ambientais, Maria Célia Nunes Coelho (in CUNHA et
al., 2001) cita que eles falham em demonstrar a importância das relações sócio espaciais
e da estrutura de classe. E continua, dizendo que o processo social e político traz áreas
de maior risco para classes menos favorecidas e que a incorporação da estrutura de
classes possibilita perceber quem se beneficia da atividade econômica cujos custos são
divididos com toda a sociedade. Além disso, "o mapeamento de impactos ambientais
certamente guardará estreita relação com a espacialização diferencial das classes sociais
da cidade" (CUNHA et al., 2001), indicando, mais uma vez, a desigualdade social como
evidência sentida pela população urbana.
Tais disparidades econômicas, políticas e sociais entre as classes passam
a ser responsáveis por gerar tensão no meio urbano. A privação relativa e a "economia
moral" entre a elite e as classes sociais mais baixas tornam-se facilmente perceptíveis
em cidades que apresentam crescimento acelerado. Teóricos desde Emile Durkheim até
Chalmers Johnson argumentam que a erosão da unidade moral da sociedade é a chave
precursora da violência. Ela reflete a alienação em relação à sociedade, ou a noção que
os ganhos potenciais de ignorar as regras sociais excedem os custos em fazê-lo,
evidenciando a ruptura com a autoridade e a moralidade social como um todo.
No caso brasileiro, a desigualdade sócio econômica é assunto de
conhecimento geral, não necessitando de definição mais explícita. Mas vale ilustrar,
com números, o que torna visível a discrepância social. Os dados6 referentes ao
percentual da renda apropriada por 50% mais pobres da população brasileira apresentam
uma estagnação quanto à distribuição de renda no país e mesmo uma pequena piora. No
ano de 1981, cerca de 13% da renda pertencia aos 50% mais pobres. Dez anos mais
tarde, em 1990, o percentual era de 11,3%, subindo um pouco em 1999 para 12,6%.
Apesar dos números apresentados representarem a situação geral do país, a
6 Fonte: IPEADATA (www.ipeadata.gov.br)
17
particularização para a zona urbana, notadamente da cidade do Rio de Janeiro, é
importante.
Para a cidade do Rio de Janeiro, um indicador que mantém correlação
com a distribuição de renda é a taxa de favelização. Este indicador visa ilustrar, de
forma idêntica, o alargamento da desigualdade social vivida na área urbana estudada.
CEZAR (2002) cita a definição do IBGE para áreas de favelas como aglomerados
subnormais7, ou seja, grupos de 50 unidades habitacionais (ou mais) dispostas de modo
"desordenado e denso", sobre o solo pertencente a terceiros e "carente de serviços
públicos essenciais".
Segundo dados de censos passados, em 1980, 14% da população carioca vivia nos
setores subnormais. Este número aumentou para 16% em 1991, e para 19% em 2000. A
população dos setores sub normais era de 882.483 habitantes em 1991, passando para
1.092.783 em 2000 (um aumento de 23,8%).
Com isso, ficam descritas de forma mais palpável as condições para a
implantação do cenário de tensões urbanas, causadoras da violência, como sugere a
literatura. Falta agora, caracterizar violência urbana, definindo particularmente aquela
que será tratada nesta pesquisa. Utilizando as definições de GIZEWSKI e HOMER-
DIXON (1995), a violência urbana pode ser caracterizada em três níveis distintos: 1) a
violência política, podendo ser dirigida pela população contra o Estado ou mesmo no
sentido oposto; 2) a violência étnica, situada entre diferentes raças ou etnias, devido a
disputas por ativos naturais, intolerância racial, etc; 3) e a violência criminal, que pode
ter profunda relação com as demais causas de violência, entre outras causas prováveis.
O estudo aqui presente trata de questões de violência criminal urbana.
Para o município do Rio de Janeiro, objeto do estudo, com uma
população de 5.857.904 (censo 2000 - IBGE) e uma densidade demográfica de 4.667
habitantes/km2 (234 vezes maior que a do Brasil), deve-se apresentar dados referentes a
este tipo de violência, para caracterizar o problema. A cidade do Rio de Janeiro
apresentou, no ano 2000, segundo dados da Prefeitura Municipal, uma taxa de 848
"principais delitos"8 por 100.000 habitantes, desigualmente divididos pelas áreas de
7 Em oposição o IBGE usa a denominação setores não especiais para regiões com situação regular.8 São definidos pela ASPLAN, como homicídio doloso, latrocínio, seqüestro, estupro, furto e roubo deveículos, roubo a transeunte, a residência, a instituição financeira e em coletivos.
18
planejamento (AP9) da cidade. A tabela 2 a seguir, mostra estes indicadores, divididos
pelas AP's.Tabela 2: Número de "Principais Delitos", por Área de Planejamento (AP) da Cidade do Rio de Janeiro.
AP's AP 1 AP 2 AP 3 AP 4 AP 5Números Absolutos 4.694 9.134 23.041 4.405 6.805
Por 100.000 habitantes 1745 917 981 647 438Fonte: www.armazemdedados.rio.rj.gov.br. Base: ago/99 a mar/01.
Em termos absolutos, a AP 3 tem o maior número de ocorrências da
cidade, porém este indicador se reduz quando relativizado pelo tamanho da população
residente. A distorção ocorre quando olhamos o índice por habitantes da AP 1. Esta é a
AP das regiões administrativas Portuária, Centro, Rio Comprido, caracterizadas por
baixa população residente, mas grande movimentação de pessoas durante o dia. Após
esta, percebe-se que as AP 3 e 2 são as mais críticas da cidade em termos absolutos e
relativos, respectivamente, podendo ser caracterizadas como regiões de violência urbana
mais acentuada, merecendo atenção quanto à problemática social. O bairro Tijuca (AP
2, foco deste estudo), membro da área integrada de segurança pública 6 (AISP10),
apresentou de Setembro de 2001 a Maio de 2002, um número elevado de ocorrências
criminais. Somando-se os crimes contra a vida (CCV) e os crimes contra o patrimônio
(CCP), foram 3887 ocorrências, contra 3581 ocorridos na AISP 18 (Jacarepaguá e
adjacências - AP 4), ou 2965 da AISP 36 (Barra da Tijuca e Recreio dos Bandeirantes -
AP 4).
A observação dos dados apresentados, favorece o entendimento do tipo
de desenvolvimento populacional que ocorreu na cidade do Rio de Janeiro. Eles
indicam a redução do padrão de vida de seus habitantes, o alargamento das
desigualdades sociais e os índices de violência criminal elevados. Os conseqüentes
impactos econômicos dessa violência, muitas vezes não percebidos ou valorados pela
sociedade, também tendem a se perpetuar, enquanto formas sustentáveis de
desenvolvimento urbano e de efetiva erradicação das mazelas sociais não forem
efetivamente implementados.
9 Áreas de planejamento (AP) - Subdivisões da cidade do Rio de Janeiro, no total de 5, englobando asregiões administrativas (RA's) da cidade. No anexo 7 estão as AP's e as RA's.10 Área Integrada de Segurança Pública (AISP) - Grupos de delegacias de polícia, administrados pelogoverno do Estado do Rio de Janeiro. No anexo 2 estão as AISP's, as delegacias e os respectivosbatalhões de polícia.
19
Até agora, foram tratados dos problemas do crescimento populacional e
desigualdades sociais como causas da violência criminal urbana, que é tema do estudo
aqui presente. Porém o foco está na avaliação do custo desta violência criminal para a
sociedade (particularmente, no valor dos imóveis residenciais). Portanto, é necessário
que se faça uma exposição sobre análise de seus custos e benefícios sociais. Com isso,
para dar continuidade ao encadeamento dos conceitos teóricos que formam a base da
pesquisa aqui presente, o item seguinte aborda os conceitos fundamentais da avaliação
social de projetos, e posteriormente o conceito de externalidades.
2.2. Avaliação Social de Projetos
A compreensão dos conceitos fundamentais de avaliação social de
projetos é elucidativa para problemas relacionados à abordagem de custos e benefícios
sociais, importante para a análise econômica de impactos ambientais.
Neste item, começaremos por tratar da comparação entre a ótica privada
e a social da avaliação de projetos, buscando entender as principais diferenças entre as
duas abordagens e iluminar a importância da abordagem social de avaliação, cuja
intenção fim é de salientar o conceito de externalidades que, em seguida, é definido,
devido à sua direta aplicação no tema central deste trabalho.
Por fim são tecidos alguns comentários finais a respeito da avaliação
social de projetos e do conceito de externalidades.
2.2.1. Ótica Privada versus Ótica Social
Segundo CONTADOR (1997), a viabilidade e rentabilidade de qualquer
projeto podem, em princípio, ser avaliadas por diversas óticas: a do empresário, a do
banco e agências de financiamentos, a do governo em cada uma de suas esferas, a de
outros empresários prejudicados ou beneficiados pela realização do projeto.
O enfoque é dito social ou econômico quando avaliamos o projeto sob o
ponto de vista da sociedade como um todo, ignorando as fronteiras particulares de
interesses de indivíduos, famílias, empresas e regiões dentro da nação. Cumpre eliminar
também as transferências entre indivíduos tais como os impostos e subsídios, discutido
também por NEVES (1982). Avaliação social serve para examinar os efeitos diretos e
indiretos (externalidades) que são ou serão causados por um determinado projeto e guiar
os investimentos públicos, que tendem a ser conduzidos por decisões administrativas
20
que interpretam as prioridades globais (CONTADOR, 1997). A avaliação social
permite, assim, identificar quando a economia como um todo está sendo prejudicada ou
favorecida, mostrando um aumento/diminuição do bem estar coletivo (NEVES, 1982).
As decisões dos investimentos privados, por outro lado, obedecem a
regras mais flexíveis, inclusive ditadas pela intervenção do governo, que compreende
desde a proibição em atividades de monopólio estatal e esquemas tarifários, até as
facilidades concedidas sob a forma de incentivos fiscais, crédito subsidiado, reserva de
mercado, etc.
Na verdade, a avaliação social de projetos é uma ferramenta importante
na determinação das políticas de incentivos/desestímulos ao investimento privado, uma
vez que o governo pode ajustá-las para tornar projetos anteriormente inviáveis (sob a
ótica privada) em projetos atrativos, via concessão de incentivos (fiscais, empréstimos
subsidiados, etc), desde que sejam de interesse da sociedade, ou tornar projetos privados
inviáveis quando os custos sociais, não levados em conta pelo empreendedor privado,
excederem os benefícios à sociedade (CONTADOR, 1997). O autor destaca ainda que a
aceitação ou rejeição da análise social de projetos (realizados pelo setor privado ou
governo), como um instrumento útil ao planejamento e ao processo de decisão, reflete
sempre um juízo de valor.
MISHAN (1976), definindo custo social, fala que é necessário medir o
que representa para a sociedade o uso de um fator de produção num projeto, isto é, o seu
custo de oportunidade. Esse custo é o valor social de que se abre mão quando os
recursos são desviados de atividades econômicas alternativas para o projeto específico.
Movendo-se da avaliação privada para a social, é necessário corrigir os
preços (de mercado para sociais), eliminar os tributos e transferências, uma vez que não
representam custos ou benefícios efetivos para a economia como um todo, e incluir as
externalidades (positivas e/ou negativas) geradas pelo projeto em questão. Além disso, o
cálculo correto do valor presente exige que o fluxo resultante seja descontado à taxa
relevante, geralmente diferente da taxa de atratividade privada.
Os resultados conflitantes entre a ótica privada e a social decorrem
simplesmente das distorções introduzidas no funcionamento dos mercados de fatores,
muitas delas, inclusive, inadvertidamente pelo próprio governo. Em condições de
21
concorrência perfeita e pleno emprego, a avaliação privada forneceria conclusões
idênticas àquelas obtidas pela avaliação social.
Portanto, para "a realização da avaliação social de projetos, a
determinação dos preços sociais (ou preços-sombra) é necessária. Os economistas, e
mesmo o leigo sensato, concordam que os países menos desenvolvidos são
caracterizados por divergências substanciais entre os preços normalmente observados
no mercado e os preços sociais. A divergência entre a atratividade de projetos sob os
pontos de vista privado e social depende, além das distorções entre preços sociais e de
mercado, da natureza dos bens e serviços" (CONTADOR, 1997). NEVES (1982)
salienta ainda que a distorção nos preços de mercado pode ser devido a mecanismos de
controle de preços e/ou subsídios e que existem benefícios e custos sem preços de
mercado. Esta noção é particularmente importante na AEIA.
CONTADOR (1997) faz ainda uma observação importante a respeito de
bens públicos (como segurança pública, tratada neste trabalho), que se assemelham em
alguns aspectos a bens e serviços ambientais. Ele se refere ao fato do bem público não
ser destruído no ato de consumo, o que traz algumas dificuldades à mensuração dos
benefícios gerados por estes bens. Pois, como não é possível medir a quantidade
consumida por indivíduo, cada consumidor tende a subestimar naturalmente os
benefícios, de tal modo que se existisse um mercado o seu preço não seria muito
diferente de zero. Se as preferências não são expressas de forma visível, não podemos
quantificar diretamente os preços e, portanto, não dispomos deste importante parâmetro
para o cálculo dos benefícios. O sistema de mercado não pode ser usado para avaliar
benefícios que não são vendidos. No item referente a AEIA, serão apresentados
métodos experimentais para obtenção de valores para bens ambientais, que apresentam
características semelhantes às supracitadas, antecipando a discussão de preços
hedônicos (tema central deste trabalho).
Apresentadas as principais divergências entre a ótica privada (ou
avaliação financeira) e a ótica social (ou avaliação econômica), um importante conceito,
presente na segunda deve ser conceituado: o de externalidades.
O item seguinte tem este propósito e, ao final, pretende-se mostrar a
convergência entre o conceito apresentado e a AEIA.
22
2.2.2. Externalidades
CONTADOR (1997) fala que, a maneira como recursos e fatores são
utilizados e o produto é obtido, tem efeitos também sobre terceiros, o que obriga o
analista a examinar projetos e atividades humanas de forma mais ampla. Na avaliação
social devem-se considerar todos os efeitos externos sobre outros projetos, atividades,
meio ambiente etc. Complementado por MISHAN (1976), ao dizer que "um estudo
consciente de custo-benefício não pode ignorar nenhuma externalidade, positiva ou
negativa, que seja preocupação ou interesse social."
Tais efeitos externos podem ser positivos ou negativos e operam entre
indústrias e empresas, entre pessoas e indústrias etc. Estes efeitos são chamados de
"externalidades", embora outras denominações sejam encontradas na literatura, como:
"economias e deseconomias externas", "efeitos de vizinhança", "derramamentos" (do
inglês, spillovers), "efeitos colaterais", "efeitos de interdependência", etc. Por afetarem
o bem-estar e o lucro, as externalidades importam para as pessoas e as empresas da
mesma forma que os bens e serviços com preço corrente no mercado. Por isso, é
importante identificar o seu valor (CONTADOR, 1997). Ainda segundo o autor, quem
produz estes efeitos é denominado externalizador, e quem sofre, é chamado
internalizador. Unificando os entendimentos de CONTADOR (1997), MISHAN (1976)
e NEVES (1982), pode-se complementar a descrição de externalidades, falando que há "
uma característica comum a todas elas, que é a natureza incidental ou não intencional
dos efeitos produzidos" (MISHAN, 1976).
Outras definições, mais formais, para conceituar externalidades são
propostas por BAUMOL et al. (1975 apud CONTADOR 1997), como seguem:
1. Efeitos no bem-estar de outras pessoas, no desempenho de empresas e na
qualidade do meio ambiente são chamados de "externalidades", positivas,
quando o comportamento de um indivíduo ou empresa beneficia
involuntariamente os outros, e negativas, em caso contrário;
2. Uma externalidade ocorre quando as relações de produção ou utilidade
de uma empresa ou indivíduo incluem algumas variáveis cujos valores
são escolhidos por outros sem levar em conta o bem-estar do afetado, e
além disso, os causadores dos efeitos não pagam nem recebem nada por
sua atividade.
23
MISHAN (1976) ainda explicita que se um efeito externo pode ser
evitado sem incorrer em nenhum custo, ele não poderia ser chamado de uma
externalidade. E em uma conclusão importante, com clara conexão à AEIA, ele conclui
que se cada externalidade pudesse ser precificada num mercado competitivo,
juntamente a outros produtos, ela deixaria de ser uma externalidade, sinalizando para o
conceito de internalização da externalidade pelo externalizador. Conceito compartilhado
por CONTADOR (1997), quando menciona que "a situação ideal, sob o ponto de vista
alocativo, seria internalizar completamente as externalidades", ou seja, transformar um
subproduto incidental, num produto com preço de mercado.
MISHAN (1976) salienta, então, as condições básicas para a
internalização das externalidades, listadas a seguir:
1) Em primeiro lugar, que as vítimas potenciais tivessem direito legal de
propriedade;
2) Em segundo lugar, que, para esses direitos legais serem respeitados,
devia-se ter um território em 3 dimensões ao redor da vítima (incluindo,
ar, redondezas, etc), e assim ações legais pudessem ser tomadas;
3) E finalmente, que, para não haver monopólio, cada um desses territórios,
previamente delimitados, dentro de uma determinada região, fossem
substitutos muito próximos entre si.
Dessa forma, torna-se de fácil percepção a complexidade de estabelecer
bases concretas e palpáveis para encontrar as vítimas e os responsáveis pelas
externalidades, bem como a relação de causa/efeito, nas ações provocadoras das
externalidades.
BRUEGGEMAN e FISHER (1997, p. 11) definem o direito de
propriedade como o direito de uma pessoa à possessão, uso, gozo e descarte de um bem.
Somado a SANDRONI (1994, p. 291) que distingue propriedade de posse, pois somente
o primeiro teria reconhecimento jurídico, e completa que "a propriedade aparece como
fundamento da organização social e das normas que lhe são inerentes".
Assim, em casos de poluição do ar, das águas, por exemplo, como
identificar os proprietários específicos das propriedades em questão? CONTADOR
(1997) fala que duas características, além das já citadas, são comuns às externalidades:
24
• Elas resultam da definição imprecisa de direito de propriedade, o qual é
imperfeitamente estabelecido e exercido;
• Há falta de controle direto, a um custo nulo, sobre as fontes dos efeitos
externos, a não ser pelo próprio externalizador.
No primeiro caso, o estabelecimento de direitos de propriedade sobre
todos os recursos eliminaria a maioria das externalidades ou favoreceria seu controle.
Porém, em muitos casos, a indefinição do direito de propriedade é causada justamente
pela dificuldade de policiar o uso do recurso.
E no segundo caso, o responsável não consegue eliminar totalmente a
externalidade sem incorrer em custos e despesas adicionais, a menos que encerre suas
atividades, o que representa um custo de oportunidade em si.
Outro aspecto importante na definição de externalidades versa que esta
não pode estar vinculada a uma formação não ótima de preços, ou seja, se o sistema de
preços tem condições de eliminar o fenômeno a externalidade deixa de existir. E que
uma condição necessária para que as externalidades sejam eliminadas é que os
benefícios líquidos suplantem os custos de sua eliminação. Caso contrário não há lógica
econômica na eliminação (vis-à-vis custos-benefícios de erradicar a violência criminal).
Por conta dos impactos econômicos no bem-estar e no meio ambiente,
causados pelas externalidades, medidas de controle a elas são propostas por CUNHA et
al. (2000) e CONTADOR (1997), sendo listadas abaixo (para informações mais
detalhadas, ver LEMME, 2000):
• Imposto sobre poluição;
• Sistemas de Títulos de Poluição Ambiental;
• Subsídios aos equipamentos / compensação pela redução da produção;
• Princípio do Poluidor Pagador;
• Ampliar os direitos de propriedade.
Uma distinção importante a ser feita é a respeito de externalidades e bens
públicos. Para MISHAN (1976), externalidade é apenas um subproduto de outra
atividade orientada para o mercado, porém um bem público é um produto em si. E uma
externalidade negativa é inevitável, ou evitável a um custo, porém um bem público é
evitável por definição.
25
No caso específico deste trabalho de pesquisa alguns dos conceitos
apresentados acima são de relativa facilidade de esboço. Em primeiro lugar, o conceito
de propriedade é bem definido para imóveis residenciais. Posteriormente, o conceito de
externalidade é tratado e representado pela atividade criminosa no entorno dos imóveis
residenciais (e seu impacto no valor dos mesmos). E, por fim o conceito de bem
público, que, no escopo desta dissertação, é representado pela segurança pública
necessária para a redução das atividades criminosas.
Com isso, extraímos a essência conceitual de externalidades, e podemos
partir para comentários finais dos autores a respeito destas questões.
2.2.3. Comentários sobre Avaliação Social de Projetos e
Externalidades
Os comentários finais a respeito dos dois itens anteriores visa,
inicialmente, mostrar algumas críticas referentes à avaliação social de projetos e, por
fim, os critérios mais aceitos para internalização de externalidades.
Em primeiro lugar, deve-se dizer que a ótica social preocupa-se com o
sacrifício de fatores e a satisfação do consumo, avaliados a preços não necessariamente
iguais aos de mercado. Dessa forma, para transformar um perfil social, torna-se
necessário efetuar uma série de correções nos preços e adicionar e retirar itens (NEVES,
1982). É exatamente neste ponto que os críticos contrários à metodologia tem seu
principal argumento, ou seja, as aproximações e imprecisões envolvidas nos cálculos
dos preços sociais e das externalidades.
CONTADOR (1997) responde às críticas argumentando que, se por um
lado os preços sociais deveriam ser determinados através de um modelo de equilíbrio
geral, por outro um modelo como este não é praticável. Os críticos ainda argumentam
que, por não utilizarem modelos de equilíbrio geral, as estimativas dos preços sociais
são meras aproximações e, como tal, não garantem, teoricamente, que as decisões
baseadas nessas estimativas conduzam a economia para a direção certa.
Por outro lado, esta é a razão pela qual a avaliação social é necessária e
recomenda que as aproximações sejam as melhores possíveis. CONTADOR (1997) vai
além, citando que alguma estimativa é sempre melhor que nenhuma, e que o mais
importante é adotar simplificações aceitáveis da realidade, sem perder a capacidade de
tratar de problemas complexos.
26
Em relação à internalização de externalidades, a literatura indica que não
há metodologia perfeita. Sendo que os enfoques mais aceitos são as Variações
Compensatórias e as Variações Equivalentes (MISHAN, 1976), definidas abaixo:
1) Variação Compensatória, é a medida necessária de transferência
monetária, seguindo alguma mudança econômica, para manter o
bem-estar do indivíduo no seu nível original;
2) Variação Equivalente, é a medida necessária de transferência
monetária, que na ausência de uma mudança contemplada, dá ao
indivíduo uma mudança exatamente equivalente em seu bem-estar.
É fato que as externalidades estão presentes no nosso mundo e, segundo a
lógica econômica, devem-se aplicar métodos para tentar medi-las e mitigá-las. No caso
particular deste trabalho de pesquisa, a utilização do método de preços hedônicos busca
uma metodologia para mensurar (em termos monetários) a externalidade em questão
(violência criminal urbana) e, parafraseando CONTADOR (1997), trazer alguma
estimativa ("que é melhor do que nenhuma") para esta medida.
Com os olhos nos conceitos citados anteriormente, bem como no
exemplo prático acima, faz-se necessária a discussão sobre os métodos de avaliação
econômicas de impactos ambientais, tema do próximo item.
2.3. AEIA - Conceitos e Métodos
O reconhecimento da falta de informações confiáveis quanto às
interações entre a economia e o ecossistema resulta na necessidade de incentivar a
valoração dos serviços ambientais para indicar distorções embutidas nos preços de
mercado (MAY, 1995, p. 2), ainda mais quando muitos serviços e produtos ambientais
não apresentam preços de mercado, o que indica mais fortemente a necessidade de sua
valoração para que decisões econômicas corretas sejam tomadas (TURNER, PEARCE e
BATEMAN, 1994 apud LEMME, 2000). MAY (1995) continua e acrescenta que a
economia ecológica deveria se munir de elementos-chave na elaboração de políticas de
desenvolvimento sustentável. Porém, urge a adequação desses elementos-chave, em
termos uniformes e amplamente difundidos, função dos diferentes sistemas de valores
morais entre grupos humanos (PEACOCK, 1997 apud LEMME, 2000).
27
2.3.1. Conceitos em Avaliação Econômica de Impactos
Ambientais.
A AEIA e a economia ecológica utilizam-se, portanto, da economia
ambiental e da economia dos recursos naturais neoclássicas, baseadas na valoração dos
bens e serviços ambientais a partir das preferências e utilidades dos indivíduos, para
expressar, em termos monetários, esses elementos-chave (AMAZONAS, 1999).
Desse modo, a AEIA possibilita o estudo e o julgamento da eficiência
econômica global, resultante dos padrões de bem-estar, dando o arcabouço para coleta,
análise e interpretação das informações sobre os impactos recíprocos entre atividades
econômicas e o meio ambiente. Além disso, a AEIA é um apoio no entendimento e no
julgamento dos dilemas contidos na busca pelo crescimento econômico, verificados em
abundantes recursos, de um lado, e em necessidades pungentes, de outro; na
perseguição contínua por retornos imediatistas, que usurpa os bens das futuras gerações;
e na evolução tecnológica, que possibilita o aumento da eficiência, porém num meio
limitado.
Sobre os dois primeiros dilemas, MAY (1995, p. 4) sustenta a discussão,
mostrando que as principais divergências entre visão econômica e a visão ecológica
estão no uso de indicadores financeiros, como maximização do lucro e TIR, crescimento
do PIB, pleno emprego de recursos, como objetivos a serem perseguidos, na primeira; e
na assertiva de que as taxas de retorno podem não trazer desenvolvimento sustentável,
devido à exaustão dos recursos naturais e ao limite da capacidade de absorção de
resíduos pelo ambiente, na segunda. AMAZONAS (1999) complementa, inferindo ser
insuficiente o tratamento das questões ambientais apenas pela internalização das
“externalidades”, tal como definidas pela economia neoclássica, ou seja, enquanto
custos sociais dados pelas preferências subjetivas dos indivíduos e para os quais apenas
não há um mercado, pois nada garante que a otimização de custos-benefícios com a
inclusão destas externalidades conduza a uma utilização sustentável dos recursos
ambientais.
Sobre o dilema da evolução tecnológica, AMAZONAS (1999) limita sua
posição a um "ceticismo prudente" e sugere que esta, constantemente, promove a
superação de limites naturais pelo aumento de eficiência e pela substituição de recursos
exauríveis por renováveis, destacando, porém, que a tecnologia avança dentro de certos
limites fisicamente possíveis.
28
Vale destacar que a AEIA não visa calcular "preços" para a natureza e a
vida em si, pois as mesmas estariam sujeitos a julgamentos de valores, a questões éticas
e filosóficas, mas visa apenas avaliar algumas preferências humanas quanto a elas
(PEARCE apud LEMME, 2000). E que medidas e técnicas devem ser entendidas como
instrumentos de apoio ao processo de julgamento e não seus substitutos, como
explicitam O'NEIL (1997 apud LEMME, 2000) e WYNNE (1997 apud LEMME,
2000). CUNHA et al. (2000) ainda alertam para o fato da metodologia de AEIA não
estar totalmente padronizada ou desenvolvida, sendo natural que essas técnicas
apresentem falhas e deficiências, na captura de um suposto valor verdadeiro, para um
determinado recurso natural.
A questão central da AEIA está vinculada ao conceito de valor que, no
caso ambiental, abrange definições mais diversas e amplas, comparativamente ao caso
privado ou ao social. Portanto, faz-se necessária a descrição de algumas definições
presentes na literatura, sobre este conceito, com o foco ambiental.
LEMME (2000) agrega as conclusões de diversos autores (PEARCE,
1993; TURNER, PEARCE e BATEMAN, 1994; SHECHTER e FREEMAN, 1994;
ALFRED, 1997; e FREEMAN, 1993) para conceituar valor, em referência ao meio
ambiente. Os autores segregam os conceitos em duas formas, separadamente. A
primeira, está associada ao valor de utilização (use value), sendo dividido da seguinte
maneira:
• Valor direto (direct value), obtido do uso dos recursos, ou do valor
mínimo, ligado à curvas de dose-resposta a danos ambientais (CUNHA et
al., 2000);
• Valor indireto (indirect value), decorrente do benefício indireto derivado
de funções e serviços naturais, como proteção de bacias hídricas, redução
de poluição do ar, estabilização de micro-climas, etc. Pode ser associado
também ao consumo de livros, filmes, revistas sobre um certo recurso
ambiental (vicarious consumption);
• Valor de opção (option value), valor semelhante ao prêmio de um seguro,
que indivíduos estejam dispostos a pagar para preservar determinado
ativo ambiental para uso futuro;
29
• Valor de herança (bequest value), valor da oportunidade de deixar
possibilidades de uso dos recursos para gerações futuras.
A segunda refere-se ao valor intrínseco, de existência, ou de não-
utilização (intrinsic value / existence value / nonuse value ). E segundo LEMME (2000),
citando os autores, este pode ser entendido como o valor residente no mundo natural,
independente dos sentimentos ou preferências que os homens tenham em relação a ele.
Este valor existiria mesmo na ausência da espécie humana. Este conceito envolve
questões culturais, comportamentais e éticas, sendo talvez, o aspecto de AEIA mais
complexo.
O valor econômico total (total economic value - TEV), seria a soma do
valor de utilização e do valor intrínseco. Porém alguns autores destacam que o TEV não
representa o valor total, pois não inclui os Valores Primários, referentes à estrutura
agregada dos ecossistemas, espécie de "tecido conjuntivo" que mantém todos os
processos ambientais unidos, e que também possuiria valor.
Antes de entrarmos nos métodos de valoração propriamente ditos,
LEMME (2000) cita DIXON et al. (1994) e MACONNELL (1993), quando fala que a
utilização de modelos de AEIA depende da:
• "Completa mensuração das mudanças físicas, químicas, biológicas e
sociais produzidas pelos projetos, empresas e / ou atividades em questão;
• Identificação do funcionamento dos sistema "sem" e "com" o impacto;
• Delimitação espacial ou geográfica do alcance do impacto;
• Delimitação temporal dos efeitos do impacto;
• Estabelecimento das relações entre as mudanças físicas, químicas,
biológicas e sociais e as mudanças de comportamento e/ou bem-estar das
pessoas;
• Especificação do contingente humano afetado pelo impacto" (LEMME,
2000).
LEMME (2000) sugere ainda que "a facilidade de utilização e a robustez
dos resultados das diversas abordagens ou métodos de avaliação econômica dependem
em grande parte da qualidade dos dados disponíveis, sendo que algumas são baseadas
em dados de mercado e quando não existentes, em valores de "mercados substitutos".
No caso de valores de utilização (use values) pode-se identificar produtos ou serviços,
30
transacionados em mercados formais, que sejam complementos ou substitutos dos bens
ambientais que se quer avaliar, medindo o valor destes através do consumo daqueles.
Em casos de bens ambientais totalmente não precificados, alguma indicação pode ser
obtida através de questionamento direto dos envolvidos, usando técnicas rotuladas como
avaliação contingente (do inglês, Contingent Valuation - CV)."
Os métodos de avaliação disponíveis podem ser sintetizados através das
contribuições de MAY (1995), CUNHA et al. (2000) e LEMME (2000). Este último,
porém, faz uma abrangente explanação e caracterização das metodologias, combinando
as publicações de diversos autores e indicando a existência de 10 principais abordagens,
agrupadas em 4 categorias. No próximo item (2.3.1) são apresentadas, de forma
resumida e utilizando o encadeamento de LEMME (2000), estas abordagens e métodos
de avaliação11. O tópico IV dá uma pequena introdução ao método de preços hedônicos
(tema deste trabalho), que será mais explorado no item 2.5.
2.3.2. Métodos de Avaliação Econômica de Impactos
Ambientais.
I - Abordagens Convencionais de Mercado:
(Conventional Market Approaches), que se utilizam de preços de mercado, ou preços-
sombra, para valorar mudanças na produção de bens ou serviços ou os gastos
necessários para restabelecê-las. São 5 os métodos mais comuns dessa abordagem:
1) Variações de Produtividade (Productivity Changes ou Dose-Response Approach),
que busca medir as mudanças na produção de sistemas resultantes de mudanças nas
condições ambientais;
2) Custo de Reposição (Replacement / Repair Cost Approach), que não mede os
benefícios da preservação ambiental em si, mas os valores envolvidos na
recuperação após a eventual perda ambiental;
3) Projeto - Sombra (Shadow Project Approach), que busca construir projetos
hipotéticos capazes de fornecer substitutos para os bens ou serviços ambientais
destruídos;
4) Custo de Realocação (Relocation Cost Approach), que visa quantificar os custos de
realocar uma instalação produtiva cuja eficiência operacional no local de origem
tenha sido prejudicada por mudança ambiental; 11 Para uma descrição mais abrangente sobre os métodos de AEIA (usos e críticas), ver LEMME (2000).
31
5) Lucros Cessantes (Loss of Earnings / Human Capital Approach), que tenta medir o
efeito dos impactos ambientais na redução (aumento) de ganhos associada (o) a
perdas (ganhos) de dias de trabalho, decorrentes de problemas (melhorias) de saúde.
II - Funções de Produção Domésticas:
(Household Production Functions), que são fundamentadas nos gastos com bens que
são substitutos ou complementares de alguma característica ambiental, para tentar
valorá-la. Podem ser divididas em duas abordagens principais, sendo:
1) Gastos Defensivos (Defensive / Avertive Expenditures Approach), que avalia o dano
causado pela degradação ambiental pelos gastos que produtores ou consumidores se
dispõem a fazer para prevenir ou amenizar suas conseqüências. Esta abordagem
considera que a soma dos gastos individuais pode representar o valor do dano
ambiental, pois indica, através da disposição a pagar pela proteção, a magnitude dos
benefícios resultantes da redução do seu impacto;
2) Método do Custo de Viagem (Travel Cost Approach), é aplicável para avaliação
econômica de locais de lazer, principalmente os de acesso público, quando não há
indicação de propensão a pagar por parte dos usuários. Este método tenta encontrar
uma curva de demanda, usando os custos de deslocamento até o local como proxy
para os preços de entrada, determinando dessa forma a valor do bem ou serviço
ambiental. O método parte do princípio de que o número de visitantes do local é
uma função do custo de deslocamento até ele. Sua aplicação exige pesquisa de
campo e entrevistas estruturadas com os visitantes.
III - Métodos Experimentais, de Avaliação Contigente:
(Contingent Valuation Methods - CVM), ou de Avaliação Hipotética (Hypothetical
Valuation), são métodos aplicáveis em situações em que não há dados de mercado
disponíveis, o que é comum em avaliação econômica de impactos ambientais. São
elaborados a partir de pesquisas de campo e "baseiam-se no pressuposto de que os
consumidores podem determinar e irão revelar sua real disposição a pagar por bens ou
serviços para os quais não existe mercado, se colocados diante de um mercado
hipotético, e que seguirão padrões microeconômicos de comportamento do consumidor,
ou seja, que as pessoas têm preferências definidas, mas não manifestadas, por todos os
tipos de bens ambientais e são capazes de traduzir essas preferências em unidades
monetárias." (LEMME, 2000).
32
IV - Métodos dos Preços Hedônicos:
(Hedonic Price Methods), tentam valorar uma característica ambiental através da
observação do comportamento de um mercado que tem seus preços por ela
influenciados, como os mercados de imóveis e de trabalho. São destacados os seguintes:
1) Abordagem do Valor de Propriedades (Property Value Approach / Hedonic Property
Prices), este é o método empregado neste trabalho de pesquisa. Busca medir, com o
auxílio de análise de regressão, o valor dos impactos ambientais, identificando seus
efeitos sobre os preços das propriedades. Considera que o preço que alguém se
dispõe a pagar por uma propriedade depende de atributos (características) estruturais,
de localização e de vizinhança (ambientais). Este método tem sido aplicado na
avaliação de impactos ambientais sobre residências, mas pode ser também utilizado
para propriedades rurais e outras (LEMME, 2000). Esta abordagem, em particular,
será mais amplamente desenvolvida no item 2.5.
2) Abordagem do Diferencial de Remuneração (Wage Differencial), que tenta captar os
diferenciais de remuneração de profissões que decorrem da existência de risco ou
insalubridade associados a problemas ambientais. A premissa é que os trabalhadores
exigirão um adicional de remuneração por trabalhos que os exponham a riscos ou a
ambientes desagradáveis. Para a aplicação dessa abordagem supõem-se a existência
de concorrência e mobilidade no mercado de trabalho, similaridade nas habilidades
dos trabalhadores e disponibilidade de informações aos participantes do mercado. As
críticas mais comuns referem-se à diferença entre riscos voluntários e involuntários e
à possibilidade de que as pessoas que aceitam atividades profissionais mais
arriscadas sejam menos risco-aversas que o restante da população. Utiliza a análise
de regressão como ferramenta para estimar os coeficientes de troca entre
remuneração e condições ambientais de trabalho (LEMME, 2000).
LEMME (2000) ainda descreve que uma classificação alternativa dos
modelos de avaliação pode ser "baseada na combinação das formulações de DIXON et
al. (1994), PEARMAN (1994), KOPP e SMITH (1993a), KOPP e SMITH (1993b) e
FREEMAN (1993), enquadrando-os em dois grupos, a seguir:
• Métodos que envolvem dados técnicos ou físicos, conhecidos como abordagens de
avaliação objetiva, como variações de produtividade e custo de reposição. Nestes
métodos, as preferências individuais em relação a danos ambientais são presumidas e
33
não diretamente captadas, fazendo com que as estimativas não tenham relação direta
com as funções de utilidade dos indivíduos e possam ser viesadas em certos casos;
• Métodos com base comportamental, chamados de abordagens de avaliação
subjetiva, subdivididos em:
a) Avaliação direta, conhecidos como preferências declaradas (stated preferences),
como o CVM, baseados em mercados hipotéticos e em prováveis atitudes futuras.
Seus resultados estão baseados nas declarações dos indivíduos, com pesquisas tendo
suporte em dados primários;
b) Avaliação indireta, ou preferências reveladas (revealed preferences), como preços
hedônicos, custo de viagem e gastos defensivos, baseados em mercados reais e, na
maioria das vezes, no registro de ações passadas. A teoria por trás destes modelos
está baseada em modelos de otimização de comportamento e a pesquisa, na
observação de comportamentos individuais, utilizando dados secundários" (LEMME,
2000). Este trabalho utiliza-se da avaliação indireta, por preferências reveladas.
KOSTOFF (apud LEMME, 2000b), discutindo a prática da pesquisa
sobre avaliação de impacto ambiental nos Estados Unidos, conclui que nenhum método
isoladamente fornece uma avaliação completa. E KING (apud LEMME, 2000b)
comenta uma publicação da Environmental Protection Agency (EPA) americana que
identifica 37 ferramentas aplicáveis na avaliação.
LEMME (2000) comenta que não é possível hierarquizar os métodos de
forma genérica, sendo a escolha feita com base nas características do problema, na
disponibilidade de informações e nos recursos disponíveis, e que a combinação de
vários aspectos das métodos de preferências declaradas e reveladas pode ser uma boa
estratégia.
LEMME (2000) diz ainda que a AEIA faz parte de um campo do
conhecimento parcialmente definido e em rápida evolução. E que "se a indefinição
parcial aumenta os riscos de quem se dedica à ela, a relevância e a rápida transformação
constituem fortes atrativos para a elaboração de pesquisas na área".
Após termos de forma resumida apresentado os métodos de AEIA, antes
de explorarmos o método de preços hedônicos, faz-se necessária a descrição das
principais características do mercado imobiliário e os métodos de formação de preços
deste mercado, referenciados no item 2.4, a seguir.
34
2.4. O Mercado Imobiliário e a Formação de Preços
Como o objeto de estudo desta pesquisa é o mercado imobiliário, é
importante definirmos alguns conceitos referentes ao mesmo. Primeiramente, devemos
caracterizar o conceito de propriedade, para sabermos, de forma clara, do que se fala.
Em seguida, como este trabalho tem "valor" como meta de estudo, devemos analisar
como este se forma e quais as variáveis levadas em consideração no momento da
valoração. Por fim, é importante explanar sobre os riscos presentes, especificando
aquele que está no foco deste trabalho.
2.4.1. Definindo Propriedade ("Estate")
O termo propriedade (do inglês, estate) é utilizado para denotar interesse
possessório potencial ou real em um determinado conjunto de patrimônios (imóveis,
terras, etc). Um interesse possessório envolve o direito geral de ocupar e usar uma
determinada propriedade durante o período de possessão. A noção moderna de
propriedade (significando patrimônio) continua a reter o direito exclusivo de possessão,
o qual inclui o direito de vender, usar, alugar ou mesmo excluir outros da propriedade
(BRUEGGEMAN e FISHER, 1997, p. 11). Sem que seja dito o contrário, neste
trabalho, a palavra propriedade estará se referindo a imóveis.
Propriedades residenciais, foco desta dissertação, incluem casas de uma família e
propriedades multi-famílias (prédios de apartamento), condomínios e cooperativas
habitacionais, que servem de moradia fixa para indivíduos e famílias. Portanto, hotéis,
que podem prover moradia, são classificados como estabelecimentos comerciais, devido
ao caráter temporário da residência (BRUEGGEMAN e FISHER, 1997, p. 236-238).
2.4.2. Avaliação de Propriedades
O objetivo, na avaliação de propriedades, é estabelecer um valor de
mercado, geralmente significando o preço mais provável que seria pago por uma
propriedade, sob condições de mercados competitivos. A noção de valor é diferente de
preço, uma vez que devido às preferências pessoais, os preços individuais podem
desviar daquele que seria pago pelo mercado como um todo (BRUEGGEMAN e
FISHER, 1997, p. 184-193). Portanto, na fase de avaliação, apenas uma estimativa do
valor real do bem é estipulada, sendo seu valor real mostrado após o negócio ter se
realizado.
35
Para gerar uma estimativa de valor, o avaliador começa pela avaliação
das condições econômicas nacionais, regionais e locais, destacando as tendências de
renda, população, emprego e taxas de juros, que formam as determinantes da demanda
pela propriedade em questão. A oferta é examinada pela avaliação dos custos relativos
da terra e dos fatores de produção (capital e trabalho). Portanto, o equilíbrio de mercado
de imóveis é estabelecido, examinando o estoque de propriedades, as taxas de
concentração, vagas de aluguel, tendências indicadas nos movimentos de curto prazo de
aluguéis, ou outros indicadores que possam afetar estimativas de valor.
Além disso, o avaliador deve examinar o sub-mercado, geralmente
incluindo a vizinhança, o comércio da região, as escolas, instituições religiosas, para
estabelecer algum prêmio/desconto a ser pago/deduzido pela propriedade, devido a
qualidade da comunidade que a cerca.
2.4.3. Métodos de Avaliação de Propriedades:
BRUEGGEMAN e FISHER (1997) falam que, para estimar o valor de
uma propriedade específica, o avaliador pode utilizar três abordagens diferentes, sendo
a abordagem de preços de mercado, de custo e de receita. No caso de imóveis
residenciais, as duas primeiras fornecem estimativas mais confiáveis. O primeiro,
também chamado de método de comparação de vendas (sales comparison approach) ,
relaciona propriedades que tenham sido vendidas mais recentemente e que sejam
comparáveis à propriedade em questão, sendo feitos ajustes às diferenças entre eles (que
devem ser as mínimas possíveis para manter o conceito de comparabilidade). O
segundo, chamado de método de custos (cost approach), visa estimar o custo de
reproduzir a estrutura física (menos a depreciação) e somar o valor do terreno para se
obter o valor total.
No método de comparação de vendas, que se baseia no princípio de que
compradores desejam pagar o mesmo preço por propriedades idênticas, falam
BRUEGGEMAN e FISHER (1997) que o avaliador compara os preços de venda de
propriedades similares e próximas à propriedade em questão. Às diferenças são
alocados ajustes feitos pelo avaliador que, usando seu julgamento e conhecimento das
condições de mercado, estabelece o valor de mercado para cada atributo em que houver
uma diferença entre as duas propriedades. Sob o método de comparação de vendas,
36
ajustes não são feitos com base no custo de construir melhoramentos e sim por valores
de mercado.
Com base no formulário Uniform Residential Appraisal Report 12, as
variáveis, que o avaliador utiliza na comparação das propriedades, são: 1) tempo que o
imóvel comparável foi vendido; 2) localização; 3) vista; 4) design e aparência do
imóvel; 5) qualidade da construção; 6) idade do imóvel; 7) condição física; 8) tamanho
dos quartos; 9) qualidade do acabamento interior; 10) utilidade funcional; 11) estado de
sistemas de aquecimento, ar condicionado, etc; 12) concessões de venda e
financiamentos.
O montante de valor que o avaliador soma ou diminui de cada item
comparável é a estimativa de valor de mercado, baseado na sua experiência, julgamento
e conhecimento de como compradores e vendedores individuais precificam esses
atributos, em várias vizinhanças, dado o local e outras características da propriedade. Há
sempre um ajuste qualitativo, feito pelo avaliador, para obtenção do valor final do
imóvel.
Este método de avaliação é mais confiável quando há grande volume de
negócios de propriedades similares e as informações das transações são fáceis de serem
obtidas, sendo este o método preferido pelos avaliadores.
O segundo método de avaliação, método de custos, tem três etapas para
estimar o valor da propriedade. Em primeiro lugar se estabelece o valor do terreno em
que está localizada a propriedade. Posteriormente, determina-se o custo de reproduzir a
propriedade. Finalmente, soma-se os dois primeiros valores obtidos e subtrai-se os
custos de depreciação, desde a construção da propriedade.
Para o valor do terreno, utiliza-se o método de comparação de vendas,
com ajustes para diferenças em localização, tamanho, forma e topografia. Em seguida,
para estimar o custo de construção, o avaliador consulta manuais de custo de materiais,
mão-de-obra e lucro, bem como empresas especializadas em construção. Baseado
nessas fontes, estimativas do custo da construção por m2 são feitas para áreas de estar,
porões, garagens, segundos andares, etc.
A depreciação a ser imputada na construção pode ser dividida em três
tipos diferentes:
12 Freddie Mac & Fannie Mae Form, formulários de avaliação de imóveis.
37
1. Depreciação física, por tempo de uso;
2. Obsolescência funcional, devido à mudança de gostos e preferências quanto ao uso
de determinadas áreas da propriedade (exemplo: varandas internas versus salas
maiores, etc);
3. Obsolescência externa (externalidades), influenciada pela mudança de áreas
vizinhas à propriedade, impondo perdas de valor mais rápidas que a depreciação
física (exemplo: mudanças no uso da terra vizinha, poluição, restrições legais, etc).
Este método é melhor usado quando as propriedades forem recentemente
construídas e necessitarem de poucos ajustes em custos de depreciação. Avaliadores
utilizam este método quando as condições para o método anterior não forem aceitáveis.
O terceiro método apresentado por BRUEGGEMAN e FISHER (1997) é
o chamado método da renda e tem seu principal fundamento no fluxo de caixa
descontado. O valor do imóvel seria igual ao somatório dos valores presentes dos
aluguéis recebidos pelo investidor ao longo da vida útil do imóvel, descontados à taxa
(custo de oportunidade) que representasse o nível de risco adequado ao investimento.
Este método depende de um mercado líquido e representativo de aluguéis e da
determinação adequada da taxa de desconto para o fluxo de caixa. Porém, os autores
explicam que tal método é menos utilizado para propriedades residenciais, devido ao
baixo número de vendas de residências alugadas e aos problemas de determinação da
taxa de desconto correta.
Para a estimativa final do valor da propriedade, os autores sugerem a
seguinte fórmula: (1) (2.4.3)
Onde: Wa - valor estimado do imóvel a;
ωia - peso do método i, na avaliação do imóvel a;
Via - valor estimado do imóvel a, pelo método i;
Onde o wia é qualitativo, de acordo com a experiência e julgamento do
avaliador da propriedade.
2.4.4. Tipos de Riscos no Mercado Imobiliário
Os riscos associados ao mercado imobiliário incluem os riscos inerentes
a outras atividades econômicas em geral e algumas particulares. Segundo
∑=
⋅=n
i
a
i
a
i
a VW1ω
38
BRUEGGEMAN e FISHER (1997, p. 325), são oito tipos de risco presentes neste
mercado:
1. Risco de negócio, devido às flutuações na atividade econômica que
imputam diretamente a volatilidade das rendas produzidas pelas
propriedades;
2. Risco financeiro, pois este mercado costuma ser alavancado, tendo forte
participação de capital de terceiros na estrutura de capital dos
empreendimentos imobiliários;
3. Risco de liquidez, pois empreendimentos neste mercado costumam exigir
períodos longos para finalização das vendas das unidades construídas;
4. Risco de inflação;
5. Risco de gerenciamento, presente em qualquer empreendimento, privado
ou público;
6. Risco de legislação;
7. Riscos ambientais, pois o valor de uma propriedade é freqüentemente
afetado pelas mudanças no ambiente ou pelo conhecimento repentino de
ambientes potencialmente danosos. Os riscos ambientais podem causar
mais perdas que os outros riscos mencionados, porque o investidor está
sujeito às externalidades13 que podem exceder em muito o valor da
propriedade.
Estes riscos ambientais são o foco deste estudo, particularmente, a
presença da violência nas proximidades das residências. Com o intuito de
caracterizarmos este risco, ou custo, devemos olhar para preferências reveladas no
mercado imobiliário e, por conseguinte, para o método de avaliação que contempla estas
preferências, tema do próximo tópico.
2.5. Preços Hedônicos e o Mercado ImobiliárioComo destacado no item 2.3.4, o método de avaliação de preços
hedônicos busca nos preços de mercado, para bens ou serviços, estimar um valor que
está imbutido no preço observado (FREEMAN, 1993). Preços de imóveis, terras,
salários, etc. são utilizados para atribuir valores implícitos a fatores ambientais,
13 Os autores colocam como cleanup costs, pois referem-se somente à poluição ambiental, porém háoutros (de vizinhança, etc.).
39
estruturais, qualitativos, entre outros que são difíceis de valorar. DIXON et al. (1994)
destacam que a noção de preços implícitos é antiga, falando que os economistas, muito
antes da aplicação da teoria dos preços hedônicos, têm documentado o relacionamento
entre os preços de imóveis e amenidades ambientais.
Assim, a teoria de preços hedônicos foi formulada com base na economia
de equilíbrio espacial, na qual um grupo de preços implícitos guia consumidores e
produtores em decisões locacionais, no espaço das características, ou atributos dos
produtos. Segundo ROSEN (1974), uma classe de produtos diferenciados pode ser
completamente descrita por um vetor de características objetivamente medidas. Dessa
maneira, a coleta de dados sobre preços de produtos, juntamente à medida de
características específicas, associadas a cada bem, pode ser usada para definir um grupo
de preços hedônicos (implícitos).
O primeiro estudo de preços hedônicos de que se tem notícia foi
realizado em 1928 (BERNDT, 1990), por Frederick V. Waugh, intitulado "Factors
Influencing Vegetable Prices", publicado no Journal of Farm Economics (10:2 abril,
pág. 185-196). Neste estudo, Waugh tentou medir as diferenças de preços encontradas
em aspargos, devido a características como o tamanho, cor e robustez do vegetal.
Apesar do erro estatístico incorrido no estudo (o autor fez regressões simples entre
preço do vegetal e cada uma das variáveis e somou os R2 para encontrar o que seria o R2
da regressão múltipla), este mostrou resultados relevantes para as correlações entre o
preço e cada característica analisada.
Andrew T. Court (apud BERNDT, 1990), evocando as filosofias
utilitárias que promoveram o pensamento hedonístico, na busca do máximo de
felicidade para a comunidade como um todo, definiu a utilização de modelos de preços
hedônicos como "those which recognize the potencial contribution of any commodity,
[...], to the welfare and happiness of its purchasers and the community". Ele completa
que seria desejável medir felicidade e aumento de bem estar diretamente, mas isto seria
impossível. Court foi responsável, em 1939, por um estudo de preços hedônicos,
encomendado pela General Motors Company, para estudar as diferentes características
dos automóveis e o impacto nos preços dos mesmos.
Outro estudo seminal foi o realizado por GRILICHES (1961),
encomendado pelo governo dos EUA, que buscava entender as variações sofridas nos
40
preços dos automóveis. O mercado entendia que havia aumento de preços praticados
pelas montadoras, que alegavam que o aumento dos preços era função do aumento dos
itens de qualidade nos veículos.
Atualmente, a literatura a respeito destes modelos de valoração é extensa,
com aplicações em diversas áreas, bens ou serviços. BOWEN et al. (2001) caracterizam
a evolução do conjunto relevante de conceitos, a respeito dos modelos de preços
hedônicos, pela ordem dos seguintes autores: LANCASTER (1966), ROSEN (1974),
LUCAS (1975), FREEMAN (1979) e EDMONDS (1984) (apud BOWEN et al., 2001).
Aplicações empíricas do método podem ser encontrados na literatura sob
diversas formas, como por exemplo na avaliação de: impactos do ruído do tráfego no
valor de propriedades residenciais (WILHELMSSON, 2000), achando uma depreciação
de cerca de 30% no valor; efeitos de investimentos em remodelagem urbana (new
urbanism) (EPPLI e TU, 1999) ou no beneficiamento de áreas habitacionais já
existentes e em novos investimentos (DING et al., 2000), verificando a existência de
prêmio, no primeiro caso, e a influência da proximidade, no segundo; possibilidade de
pagamento de prêmio, pelos compradores, devido à boa reputação do construtor do
imóvel (CHAU et al., 2001b) ou devido à superstição referente a "números de sorte"
(CHAU et al., 2001a), encontrando evidências da existência desses efeitos; o efeito da
vizinhança, relacionado ao crime e ao vandalismo, no valor dos imóveis (BROWN e LI,
1980); impactos de áreas de alagamento no valor de propriedades (HITE et al., 2001);
ou ainda, a dependência em relação à qualidade, reputação do produtor, etc, no preço de
vinhos (OCZKOWSKI, 2001), entre muitas outras aplicações (mercado de
computadores, automóveis, etc).
Principalmente, dois artigos estudados focaram especificamente em
critérios de vizinhança dos imóveis residenciais e são utilizados, neste trabalho de
dissertação, como base metodológica. No primeiro, CUMMINGS et al. (2001)
estudaram os complexos Nehemiah, complexos habitacionais para classe média
localizados em vizinhanças afligidas (na cidade de Filadélfia, EUA), construídos com
subsídios governamentais para promover o desenvolvimento da região. Ao escolher os
complexos Nehemiah, os residentes mudaram para comunidades consideravelmente
piores que aquelas que eles moravam quando eram inquilinos. Uma das variáveis
específicas utilizadas por CUMMINGS et al. (2001), como variável explicativa do
41
preço dos imóveis, foi a exposição ao crime, delimitado pelo setor censitário ao qual os
complexos pertenciam. Os novos donos nos complexos Nehemiah tiveram aumentada a
qualidade das variáveis estruturais de suas residências, ao passo que tiveram
aumentadas suas exposições ao crime e a um fraco sistema público de ensino, resultados
verificados pelos autores.
No segundo artigo, CLARK e COSGROVE (1990) usaram modelos de
preços hedônicos interurbanos para estimar especificamente a demanda por segurança
pública. Eles utilizaram a medida de segurança pública como o inverso da taxa de
exposição a crimes (definiram crimes como homicídios, a ser melhor explorado
posteriormente). CLARK e COSGROVE (1990) indicam o trabalho de THALER (1978
apud CLARK e COSGROVE, 1990) como um trabalho seminal na utilização de
modelos hedônicos para medir segurança pública, mas pelo lado da oferta.
O desenvolvimento da teoria econômica foi fundamental para a
aplicabilidade do método. Em seguida, as questões empíricas relacionadas à aplicação
econométrica (variáveis explicativas, formas funcionais, autocorrelação espacial)
tomaram forma e buscam estabelecer os padrões de pesquisa na área. Estes tópicos são
tratados nas seções seguintes.
2.5.1. Fundamentos da Teoria Econômica
WILHELMSSON (2000) apresenta um valioso resumo a respeito da
teoria desenvolvida, em grande parte por ROSEN (1974). Ele fala que o método se
baseia na proposição de que a utilidade de um indivíduo por um bem está ligada aos
atributos que este bem possui. Além disso, unindo e citando DIXON et al.(1994) e
LANCASTER (1966 apud FREEMAN, 1993), a abordagem hedônica, baseada na
teoria do consumidor neoclássica e na análise do bem-estar, assume que o preço do bem
pode ser decomposto nestes atributos e, portanto, que preços implícitos podem ser
designados a cada um deles. CLARK e COSGROVE (1990) salientam que o preço
implícito será igual à disposição a pagar marginal, somente num mercado em equilíbrio.
Pela teoria, como demonstrada por ROSEN (1974), um consumidor, no
modelo hedônico, maximiza a sua função de utilidade U(z, X)14, onde z é um vetor de
atributos do produto em questão, zi=(z1,z2,z3,...,zn), e X é a combinação dos demais
produtos. Supondo que consumidores compram apenas uma unidade do produto em
42
questão e que o preço de todos os demais produtos (X) se somam, o comprador fica
sujeito a restrição orçamentária, que pode ser escrita como a equação abaixo:
Y = X + p(zi) (1) (2.5)
Onde Y é a renda do indivíduo e p(zi) é a equação de preço hedônico. Se a função de
utilidade é maximizada, sob a restrição orçamentária acima, e se uma solução existe, a
condição de primeira ordem será que: (2) (2.5)
Dessa forma, o consumidor escolhe o i-ésimo atributo do produto para
que o preço deste (pzi) seja igual à taxa marginal de substituição entre o atributo e o
composto X. Portanto, calculando a derivada parcial da equação de preço hedônico em
relação ao i-ésimo atributo, o preço implícito pode ser estimado e interpretado como a
disposição a pagar marginal para a mudança marginal do i-ésimo atributo.
ROSEN (1974) explicita que, econometricamente, preços implícitos são
estimados pela análise de regressão, sendo o preço do produto regredido em função de
suas características, objetivamente medidas. Tendo cada produto um preço cotado em
mercado e estando associado a um valor fixo do vetor zi, implicitamente, o mercado
revela a função p(zi) = p(z1, z2, z3,..., zn), relacionando preços e características. Esta
função é a regressão equivalente de um comprador (vendedor), obtida de forma
inconsciente, quando este sai para comprar e comparar preços de bens com marcas e
características diferentes.
A aplicação da teoria pode ser estendida a qualquer classe de produtos,
desde que apresente as condições de preços de mercado e características mensuráveis.
FREEMAN (1993) e DIXON et al. (1994) particularizam a análise para o mercado
imobiliário. O primeiro denota que a suposição básica refere-se à revelação de
preferências (e conseqüente disposição a pagar marginal) pelos compradores de uma
propriedade, diante do pacote de atributos (estruturais, ambientais, estéticos) presentes
no imóvel. Ele refere-se mais especificamente à suposição de atribuição de valor a
atributos não comercializados (ambientais, estéticos), pois em caso negativo, era de se
esperar que o valor de um imóvel fosse igual ao custo de construção mais uma margem
14 Esta suposição implica assumir que o mercado está em equilíbrio (DIXON et al., 1994).
XUzUp
zp i
zii ∂∂
∂∂==∂∂
43
de lucro apropriada. Porém, verdadeiramente, preços de imóveis refletem um número
muito maior de atributos, dos quais apenas alguns são físicos.
DIXON et al. (1994), por sua vez, fazem referência à teoria dos lucros
(theory of rents) para justificar a influência de amenidades ambientais no valor de
propriedades. Segundo a teoria, o preço de equilíbrio de uma área (terra, propriedade)
será o valor presente do fluxo de lucros (rents) produzidos por ela. É certo que algumas
características ambientais, como a qualidade do ar ou da água, podem afetar a
produtividade da propriedade em relação ao bem-estar do produtor ou do consumidor.
Onde isto ocorrer, a estrutura de lucros (da propriedade) e de preços refletirão estes
diferenciais de produtividade, determinados pelo ambiente. Ele faz uma ressalva, porém
quanto ao futuro das amenidades ambientais. Como mostra a teoria, preços de mercado
de bens duráveis refletem o valor presente do fluxo esperado de benefícios futuros de
um ativo. Portanto, uma mudança na expectativa sobre o futuro da amenidade ambiental
pode afetar os preços das propriedades, e consequentemente, os preços marginais
implícitos, independente dos níveis atuais das amenidades.
A teoria dos lucros levantou um interesse considerável entre os
economistas sobre a sua utilização, não apenas para propriedades rurais, mas também
para propriedades residenciais. RIDKER (1967 apud DIXON et al., 1994) foi o
primeiro economista a tentar usar dados de valor de propriedades residenciais como
base para estimar os benefícios de mudanças nas medidas de qualidade ambiental. Seu
estudo levantou três questões fundamentais: primeiramente, se as variáveis ambientais
afetam sistematicamente os preços da propriedade; posteriormente, assumindo a
resposta da primeira afirmativa, se o conhecimento deste relacionamento é suficiente
para predizer mudanças nos preços da propriedade quando há mudanças naquelas
variáveis; e, por fim, se mudanças nos preços das propriedades medem acuradamente
mudanças no bem-estar.
Com o olhar nestas questões, DIXON et al. (1994) acrescentam que uma
suposição importante do modelo hedônico, para a área urbana, é a sua consideração
como um mercado único para serviços de habitação. E que devido à teoria, e ao
equilíbrio de mercado, os indivíduos devem ter informações sobre todas as alternativas
e devem ser livres para escolher um imóvel em qualquer lugar deste mercado. Porém, a
seleção de imóveis que eles podem fazer é fixa em relação ao pacote de características e
44
serviços habitacionais. Ele exemplifica esta proposição com um comprador, em um
supermercado, obrigado a fazer escolhas entre um vetor de carrinhos já preenchidos
com produtos, sem poder flexibilizar a sua compra. Dessa forma, indivíduos só
poderiam aumentar a quantidade de qualquer "produto" encontrando um carrinho
alternativo, contendo um conjunto parecido de todos os outros "produtos", porém
oferecendo mais do "produto" desejado. Complementarmente, DIXON et al. (1994)
referem-se à conveniência de assumir que a função de utilidade dos agentes econômicos
é separável para o mercado imobiliário, ou seja, que os preços de outros bens podem ser
omitidos na especificação da disposição a pagar marginal. Também, em concordância
com ROSEN (1974), é conveniente supor que cada indivíduo compre apenas um pacote
imobiliário, pelo fato de que só pode haver um preço marginal implícito para cada
indivíduo, em cada característica.
Por fim, BOWEN et al. (2001) inferem que os modelos de preços
hedônicos devem atender, além das condições ligadas ao estudo da percepção humana,
ou econômica, algumas condições no domínio do conhecimento quantitativo, ligadas a
utilização correta do ferramental estatístico. E conclui que somente se as condições
teóricas dos dois domínios forem satisfeitas, os padrões de aceitabilidade científica
podem inferir que os coeficientes da regressão são realmente preços implícitos de cada
atributo (ou seja, disposição a pagar marginal).
Portanto, após terem sido enumerados os pontos importantes referentes
ao domínio da teoria econômica, o reconhecimento de características quantitativas da
análise de preços hedônicos faz-se necessária. Os próximos três itens versam sobre
essas condições, sendo que o próximo aborda as variáveis utilizadas nos modelos,
presentes na literatura estudada.
2.5.2. As Variáveis do Modelo Econométrico
Em termos de modelo econômico, a teoria de preços hedônicos nos
revela que a interpretação da derivada parcial da equação de regressão cross-section
fornece um preço implícito e portanto uma disposição a pagar marginal, para
determinada qualidade, ou amenidade (DIXON et al., 1994). Cabe agora, abordar o
assunto sob a ótica econométrica, iniciando pela concepção e descrição das variáveis
envolvidas nos modelos, particularmente de imóveis residenciais.
45
Por ser um método fortemente quantitativo, utilizando muito do
ferramental estatístico, a abordagem de preços hedônicos exige uma ampla quantidade
de dados de preços de venda de unidades individuais, bem como a coleção de suas
características físicas (locacionais, ambientais, etc), o que tem limitado seu uso
(FREEMAN, 1993). Procura-se, na medida do possível, utilizar dados de vendas reais
para os preços dos imóveis, porém muitos autores baseiam suas análises em dados de
censo, mais fáceis de serem obtidos. Uma outra alternativa para a obtenção de dados
seria avaliações realizadas por profissionais (DIXON et al., 1994). A superioridade
presumida da informação real de venda sobre as demais deve-se à suposição que o
mercado imobiliário está em equilíbrio, no qual as oportunidades de ganhos por
arbitragem são eliminadas. Esta suposição é muito forte, devido à assimetria de
informações entre compradores e vendedores, bem como ao fato das oportunidades de
arbitragem terem sido suprimidas devido ao alto custo de transação e mudança neste
mercado (DIXON et al., 1994).
Além do volume de informações necessárias, para que os modelos
possam ser significativos, BUTLER (1982 apud MACEDO, 1998a) nota que "dados de
muitas das características (dos imóveis) não estão disponíveis ou são de baixíssima
qualidade". Fala ainda que, além da restrição dos dados, "a formação intrínseca de
grupos (clusters) em combinações de características leva a uma considerável
multicolinearidade nas estimativas que empregam uma seleção generosa de variáveis
explicativas", questão também levantada por DIXON et al. (1994). Estes problemas de
colinearidade serão abordados mais adiante, ainda nesta seção. FREEMAN (1993)
destaca, de maneira complementar, que muitas das variáveis, como número de quartos,
área construída, qualidade da construção, e assim por diante, são fáceis de serem
medidas. Porém, principalmente referindo-se a variáveis ambientais, salienta a
dificuldade de medição, como por exemplo níveis de ruído, poluição do ar, etc, que
dependem fortemente das condições climáticas da área em questão, podendo haver
variações importantes entre medições.
Além dos problemas referentes aos dados em si, o pesquisador deve
prestar atenção a uma série de características referentes à análise de regressão. Como a
análise de preços hedônicos está focada na obtenção de preços implícitos, deve-se
atentar para o controle das variáveis, de forma que se possa isolar o atributo desejado
46
(DIXON, 1994; FREEMAN, 1993). O valor de um imóvel, por exemplo, é afetado por
muitas variáveis, incluindo tamanho, construção, localização, qualidade do ambiente em
que se encontra, etc. Quando variáveis de tamanho, construção e localização são
controladas, muito do diferencial de preço entre unidades similares reflete as variáveis
restantes relacionadas aos atributos abstratos, como a qualidade ambiental (FREEMAN,
1993). De uma maneira mais formal, a abordagem do valor de propriedade é projetado
para controlar certas variáveis, de tal forma que algum preço diferencial seja designado
a um bem ambiental não precificado, seja este impacto positivo ou negativo.
Ainda sobre o tema, DIXON et al. (1994) citam que as amenidades
ambientais de interesse são de um local específico, mas não parte da estrutura do
imóvel. Sendo assim, os valores das amenidades ambientais deveriam estar refletidas no
preço da terra somente. Entretanto, a terra não é comercializada em separado ao imóvel,
portanto os preços observados refletem os valores de ambos, terra e imóvel. Esse fato
não traz problemas conceituais, mas exige que a equação de preços hedônicos seja
adequadamente controlada para as características estruturais. Outro cuidado, que cita o
autor, se refere à utilização de dados para estudo cross-section, quando o mercado está
em rápida mudança, dessa forma, a variável temporal não estará sendo tratada
adequadamente. ROSEN (1974) salienta que, dentro de cada ano (ou período
representativo), a regressão identifica as condições de oferta e demanda, dentro daquele
ano. Mudanças em preços marginais e na qualidade, induzidas pela mudança de
tecnologia e estrutura de custos das indústrias entre os anos, muda completamente a
estrutura de preferências individuais.
Outro ponto presente na literatura que merece destaque, citado
anteriormente, refere-se à forma de medida das variáveis explicativas, principalmente as
de escopo ambiental (ou externalidades). Como cita GOTTLIEB (1995 apud MACEDO
et al., 1998b), genericamente, "amenidades residenciais podem ser definidas como um
bem ou serviço de um lugar específico que entra na função de utilidade dos residentes,
diretamente". PARSONS (1990 apud DIXON et al., 1994) é mais direto ao dizer que ao
escolher as variáveis explicativas apropriadas, a primeira questão deve ser colocada a
respeito da maneira como as amenidades ambientas e as características locacionais
serão colocadas na função de preços hedônicos. A prática empírica tipicamente coloca
apenas a medida escalar da amenidade Entretanto, deve-se atentar para a coerência entre
47
o indicador utilizado e a amenidade a ser estudada. MACEDO et al. (1998b) observam
aumento considerável da incorporação do fator amenidades urbanas como determinante
locacional, ampliando a importância a colocação anterior.
Mas quais as variáveis relevantes no estudo de preços hedônicos, relativo
ao mercado imobiliário residencial? GRILICHES (1971 apud MACEDO, 1998a) cita
que a análise empírica, baseada em modelos hedônicos, deve abordar duas questões
importantes: a primeira relacionada justamente à questão colocada acima; e a segunda,
mais especificamente tratando da forma de relacionamento entre preço e características.
A forma funcional da equação do modelo de preços hedônicos é tema do item seguinte.
A resposta à primeira pergunta parece estar mais no campo empírico,
dependendo da amostra em questão, havendo algum consenso na literatura, mas com
espaço para inovações e novos testes. BOWEN et al. (2001) ao falar do conjunto de
variáveis para os modelos de preços hedônicos, explicitam a necessidade de que todo o
conjunto de atributos determinantes dos preços seja incluído, tanto os referentes ao
custo quanto os que geram utilidade aos compradores. Porém, este conjunto não pode
ser definido totalmente a priori, apenas com base na teoria, envolvendo julgamento e
experiência com o mercado de imóveis. Fala ainda de três classes de atributos:
estruturais, ambientais e locacionais. E o preço seria uma função destas três classes
[P=f(S, E, L)]. DING et al. (2000) sugerem que os principais tipos de variáveis
poderiam ser representados por medidas, às vezes objetivas, mas algumas vezes com
certo grau de subjetividade, como segue: as estruturais - tipo de imóvel, número de
quartos, área útil, vagas na garagem; as locacionais - distância ao centro de negócios,
proximidade de lojas e shoppings, qualidade do sistemas de transporte, etc; as de
vizinhança - presença de boas escolas, segurança pública, serviços públicos, etc; e
ambientais - níveis de poluição do ar, sonora, boa / má vista, etc. Sendo que o analista
deveria inferir, com base na lógica, se o impacto de determinada variável, no valor dos
imóveis, é negativa e positiva, podendo testar hipóteses. Ele ainda se refere,
particularmente, a variáveis de localização, que de acordo com a teoria econômica
urbana, entram na determinação de preços das propriedades, porque residentes de áreas
mais afastadas de regiões centrais, onde está localizado o mercado de trabalho, incorrem
em custos maiores de deslocamento e devem ser compensados no preço da terra e dos
imóveis para manter o equilíbrio espacial.
48
Para obter uma idéia sobre quais atributos são usados mais
freqüentemente, WILHELMSSON (2000) investigou todos os artigos relacionados a
preços hedônicos (28 no total) no Journal of Real Estate Research e no Journal of
Urban Economics , entre os anos de 1990-1995. O quadro a seguir, mostra o resultado
desta investigação:Tabela 3: Atributos usados em Artigos Empíricos Publicados entre 1990-95 (percentual)
Variável Journal of Real Estate Research Journal of Urban EconomicsÁrea Construída 81 % 83 %Número de Banheiros 75 % 58 %Vagas de Garagem 63 % 67 %Área do Terreno 56 % 75 %Número de Quartos 50 % 42 %Idade do Imóvel 50 % 75 %Lareira 44 % 50 %Ar Condicionado 25 % 50 %Julgamento Subjetivo 25 % 33 %Piscina 19 % 17 %
A tabela mostra o resultado da pesquisa, por ordem decrescente de
utilização das variáveis, pelo Journal of Real Estate Research, sendo que um número
elevado de variáveis de "julgamento subjetivo" são utilizadas.
Duas abordagens ainda são interessantes perceber no tratamento das
variáveis. Muitos estudos identificam a variável distância (em relação às externalidades)
como uma variável importante a ser incluída na análise. DING et al. (2000) em seu
estudo sobre novos investimentos e o impacto que estes têm no valor de imóveis,
postularam sua primeira hipótese como sendo o decaimento do efeito com a distância
entre o local do investimento e a proximidade da propriedade em questão. Os resultados
mostraram que o efeito se confirmou, sendo estipulada a fronteira para o mesmo. Isso
contradiz os resultados de outro estudo realizado por SIMONS et al. (1998 apud DING
et al., 2000), porém os autores falam que a possível causa é a falta de precisão na
medida das distâncias. No caso de SIMONS et al. (1998), foi utilizado um livro de
mapas para obter as medidas, o que pode ser a causa da imprecisão. Ainda em relação a
distância, WILHELMSSON (2000) destacou, em seu estudo sobre o impacto do ruído
de veículos, que a área de estudo foi de 600 m x 1000 m (300 m de cada lado da
estrada), pois utilizou a suposição que os efeitos positivos da estrada (melhoria do
acesso das residências) seria constante dentro deste retângulo, enquanto que o efeito
49
negativo iria variar com a distância da estrada principal. A distância entre cada casa e a
estrada foi retirada de uma foto aérea. Os resultados confirmaram ambas as hipóteses.
Outra abordagem interessante a respeito das variáveis explicativas refere-
se à combinação de variáveis. WILHELMSSON (2000) destaca que além do impacto do
ruído, a combinação entre ruído e vista da estrada é particularmente mais impactante
(representada pelo produto da variável de ruído, quando esta ultrapassava um limite de
68dBA, e da variável dummy referente à vista da estrada, sendo 1 para vista).
Outras variáveis, de medição indireta são descritas, para inferir qualidade
de habitação com dados demográficos, como por exemplo: percentual de pobreza; renda
média dos imóveis; percentual de negros; percentual de turn-over (DING et al., 2000),
no setor censitário; ou dados estatísticos delimitados pelo código de endereçamento
postal (CEP), para capturar as variações demográficas entre as sub áreas (EPPLI e TU,
1999).
Em seu trabalho sobre qualidade da comunidade na vizinhança dos
complexos Nehemiah, CUMMINGS et al. (2001) utilizam a média de crimes de 1994 e
1995, separados por setor censitário, dividido por 1000 habitantes, para medir o impacto
desta amenidade (negativa) no valor dos imóveis. Foi feita a média de 1994 e 1995 dos
índices de homicídios, numa tentativa de mitigar os efeitos de uma possível tragédia em
uma comunidade geralmente segura. Os dados indicam que as casas localizadas nos
setores censitários de Nehemiah estão expostas a taxas consideravelmente mais altas de
assassinatos e os resultados indicaram que esta variável era negativa e significativa na
avaliação das propriedades.
Um outro problema, ainda não totalmente resolvido, na análise de preços
hedônicos está ligado à multicolinearidade das variáveis explicativas, sendo tratado
mais especificamente no item 2.5.4. Além da multicolinearidade de variáveis estruturais
(i.e. quanto mais quartos, maior o m2), ao se trabalhar com variáveis de espaço, a
questão da multicolinearidade elevou a dificuldade de tratamento do tópico quando de
estudos sobre as características imobiliárias (DIXON et al., 1994). Isso levanta uma
questão intrincada entre o trade-off de aumentar o viés dos resultados pela omissão de
variáveis que são correlacionadas com a variável de estudo ou aumentar a variância ou
imprecisão dos coeficientes estimados quando variáveis colineares são incluídas. EPPLI
e TU (1999) falam que, de forma ideal, todas as características que as pessoas
50
consideram na valoração de uma propriedade deveria ser incluídas na análise de preços
hedônicos, mas na realidade essa abordagem não pressupõe o conjunto de atributos que
deva estar presente no modelo, retornando à ótica do empirismo dependente da amostra
em questão.
Além da complexidade estatística aumentada, há também restrições
relativas a recursos que podem ser empregados nos estudos espaciais, visto que o
número de observações pode inviabilizar, por questões de tempo ou custo, a medida de
distâncias relevantes entre os objetos de análise. DING et al. (2000) sugerem a
utilização do GIS (geographic information system) como importante ferramenta para o
exame do efeito espacial em nível micro. Eles concluem que sem o sistema, o tempo e
custo envolvidos seriam proibitivos para realizar o exame espacial.
Seguindo as questões relativas às variáveis independentes, encontra-se
também, em terreno não mais sólido, o tema referente à forma funcional que a equação
de preços hedônicos deve seguir. O item seguinte busca, com base na literatura,
esclarecer determinadas metodologias empregadas.
2.5.3 As Formas Funcionais da Equação de Preços Hedônicos
Como explicita ROSEN (1974 apud WILHELMSSON, 2000), a forma
funcional da equação de preços tem sido objeto de debate entre os pesquisadores, mas a
teoria econômica falha em indicar alguma forma particular como apropriada, ponto que
parece ser consenso entre os pesquisadores (DIXON et al., 1994; MACEDO, 1998a;
EPPLI e TU, 1999; BOWEN et al., 2001; apenas para citar alguns). Para MACEDO
(1998a), a maioria dos pesquisadores vê esse ponto como uma questão empírica, para
ser decidida pelo critério goodness-of-fit . EPPLI e TU (1999) complementam dizendo
que a teoria econômica coloca poucas restrições quanto à forma funcional. BOWEN et
al. (2001) sugerem que determinação da forma funcional deve ser retirada da teoria
econômica, que estipula, de forma geral, que o preço do atributo (característica),
estimado por modelos de preços hedônicos, reflete as decisões econômicas agregadas,
de compradores e vendedores, ambos os quais são caracterizados pela não linearidade
das funções de utilidade (ROSEN, 1974), representando uma relação de equilíbrio
derivada da interação entre preferências individuais, dos compradores, e funções de
custo-lucro de fornecedores (DIXON et al. , 1994). Porém, a teoria não estipula os
expoentes apropriados para a função conjunta de utilidade, deixando portanto os
51
pesquisadores, de certa forma, livres para implementar buscas para reduzir os erros das
estimativas.
As fórmulas propostas para a função de preços hedônicos geralmente
utilizadas na literatura incluem a forma linear, quadrática, log-log, semi-log, inversa da
semi-log, exponencial e a transformação de Box-Cox (DIXON et al., 1994; ANGLIN e
GENÇAY, 1996), sendo que a única restrição geral é que a derivada primeira, em
relação a uma característica, deve ser positiva (negativa) se a característica for boa (má).
A resolução da forma funcional pode ser analítica, porém exigindo suposições quanto às
funções de utilidade dos indivíduos e às funções custo-lucro dos fornecedores, sendo
aplicados a um número restrito de casos (ROSEN, 1974; EPPLE, 1987). DIXON et al.
(1994) salientam que a relação entre as variáveis pode ser linear, se o remanejamento
daquela característica é possível, não sendo o caso geral (i.e. duas salas de estar com 3
metros de pé-direito não é mesmo que uma sala com 6 metros de pé-direito).
Dessa forma, para adequar os dados empíricos à minimização de erros, os
pesquisadores tentam formas alternativas e selecionam uma, com base no critério de
goodness-of-fit. O método mais utilizado para o goodness-of-fit é a forma não
paramétrica, pela transformação de Box-Cox, apresentada a seguir, simplificadamente,
pela função (DIXON et al., 1994): (1) (2.5.3)
Onde P é o preço de mercado do imóvel, β é o vetor de m coeficientes de regressão, Ζ é
o vetor de suas m características, υ é o vetor dos erros e λ é o parâmetro usado para
transformar P.
O parâmetro λ é calculado pela maximização da função de
logverossimilhança, com os dados reais. Quando λ = 1, a função tem a forma linear.
Quando λ tende a zero, ela se transforma na forma semi-log, visto que apenas a variável
dependente é transformada. MACEDO (1998a) apresenta uma forma mais geral onde há
transformação em ambas as variáveis: (2) (2.5.3)
Onde os parâmetros são os mesmos citados anteriormente, exceto pelo θ, que é o
parâmetro para a transformação das variáveis independentes. Como o anterior, o
υββλ
λ
+Ζ+=−
∑=
m
jjjo
hP1
)( 1
υθ
ββλ
θλ
+−Ζ+=−
∑=
m
j
ijo
hP1
)( 11
52
procedimento de Box-Cox é implementado pela iteração ordinária de mínimos
quadrados, maximizando a função de logverossimilhança. Para os pares ordenados de
valores de (λ, θ) iguais a (1,1), (0,1) e (0,0) tem-se, respectivamente, as formas linear,
semi-log e log-log, podendo os coeficientes da regressão ser interpretados de forma
direta, respectivamente, por: o preço implícito da característica, num dado equilíbrio de
mercado; o percentual de mudança no preço do bem pela mudança de uma unidade da
característica; e o percentual de mudança no preço do bem pela mudança percentual da
característica (elasticidade). Caso os parâmetros (λ, θ) sejam diferentes de 1 ou 0, a
interpretação dos coeficientes não é direta, necessitando das fórmulas abaixo para se
obter o preço marginal da i-ésima característica, respectivamente, para a forma mais
simples e a mais geral: (3) (2.5.3) (4) (2.5.3)
LINNEMAN (1980 apud EPPLI e TU, 1999), porém destaca as falhas do
uso da transformação. De acordo com ele, um dos principais problemas da abordagem
Box-Cox é que ela não é adequada à variáveis independentes que sejam dicotômicas.
Este problema é importante quando variáveis binárias são utilizadas para avaliar o
comportamento de precificação dos compradores. Outro problema sério com a
transformação de Box-Cox é que o grande número de coeficientes estimados reduz a
acurácia de qualquer coeficiente individual (CASSEL e MENDELSON, 1985, apud
EPPLI e TU, 1999). ANGLIN e GENÇAY (1996), retornando à falta de especificidade
da teoria econômica quanto à forma funcional de dependência do preço e das
características, propõem um modelo semi-paramétrico para a forma funcional. No
modelo paramétrico, é assumido que o preço é uma função linear, ou uma função de
alguma potência, do vetor de características. Modelos não paramétricos (Box-Cox)
usam formas funcionais mais gerais, que são mais robustas, porém menos precisas, pelo
aumento da variância dos coeficientes. Pelos autores, modelos paramétricos colocam
muitas restrições quanto à forma da função, que podem ser reduzidas pelo uso de
modelos semi-paramétricos. No seu artigo ANGLIN e GENÇAY (1996) mostraram que
um modelo semi paramétrico apresentou uma performance mais acurada que o modelo
paramétrico utilizado com referência. Na especificação da regressão semi-paramétrica,
)1()1( λθβ −−= PZP iii)1( λβ −= PP ii
53
as variáveis dummies entram como variáveis lineares e as variáveis discretas e contínuas
entram na função cuja forma será estimada. Em seus resultados, acharam que o modelo
semi-paramétrico teve um R2 = 92,3% contra 68,4% do modelo paramétrico e
verificaram que os intervalos de confiança tinham menor amplitude que no modelo
paramétrico.
CLARK e COSGROVE (1990) utilizaram a forma funcional log log,
com a justificativa que esta especificação coloca menos restrições que a forma semi-log,
à forma da função de preços implícitos. CUMMINGS et al. (2001) utilizaram a forma
semi-log na obtenção de seus resultados.
CROPPER, DECK e McCONNELL (1988 apud EPPLI e TU, 1999)
descobriram, através de análise de simulação, que as fórmulas de Box-Cox superam as
fórmulas mais simples quando todos os atributos são observados e imputados no
modelo, entretanto, quando há variáveis omitidas ou trocadas por proxies, a função
linear simples, ou Box-Cox linear, é melhor estimador que as outras formas funcionais.
Pela evidência empírica, nenhuma forma funcional domina
completamente as outras. Ainda segundo CROPPER, DECK e McCONNELL (1988
apud EPPLI e TU, 1999), a forma funcional que proporciona a melhor qualidade de
ajustamento não necessariamente gera as estimativas mais precisas dos preços
implícitos (aumento da variância).
Outro problema associado ao uso da transformação Box-Cox é descrito
por BOWEN et al. (2001), quando falam que, pelo fato da transformação tornar difícil a
interpretação dos valores dos coeficientes encontrados, muitos pesquisadores utilizam o
modelo e decidem pelo modelo logarítmico que mais se aproxime do resultado da
transformação. Um exemplo disso pode ser encontrado em WILHELMSSON (2000),
que utilizou inicialmente quatro modelos: linear, semi-log, log-log e um modelo Box-
Cox generalizado, cujos parâmetros λ e θ foram iguais a 0,25. O modelo log-log
apresenta os coeficientes iguais a (0,0), mais próximo do empírico fornecido pela
transformação, sendo então o escolhido.
Como outros exemplos da literatura podem ser citados: CHAU et al.
(2001), que construíram um modelo com transformação logarítmica para o preço de
venda e incluíram termos quadráticos nas variáveis independentes como forma de
54
capturar qualquer efeito não linear potencial; e DING et al. (2000), que escolheram o
modelo linear, devido à facilidade de interpretação dos coeficientes.
Antes dos comentários finais sobre o método de preços hedônicos, deve-
se fazer referência a um tópico cada vez mais observado por pesquisadores que tratam
do assunto, que é a dependência e heterogeneidade espacial, causando problemas de
multicolinearidade nas equações empíricas, tema abordado no item seguinte.
2.5.4. Multicolinearidade - Dependência e Heterogeneidade
Espacial
STRASZHEIM (1974 apud DIXON et al., 1994) foi o primeiro a
levantar a questão de segmentação de mercado de residências em áreas urbanas. Ele diz
que o mercado imobiliário urbano é constituído de uma série de funções de preços
hedônicos, separadas e compartimentalizadas por sub-mercados. Como evidência, ele
mostrou que, estimando funções de preços hedônicos diferentes para regiões diferentes
de São Francisco, ele reduzia a soma dos erros quadrados da amostra como um todo.
Assim, ele sugere que, ou compradores em mercados separados tem diferentes
estruturas de demanda, ou a estrutura das características do estoque de imóveis é
diferente. Em outras palavras, ele aponta que deve haver uma barreira para a mobilidade
de compradores entre os segmentos de mercado, que previnem a ocorrência de
arbitragens, em resposta às diferenças de preços implícitos. Portanto, se a segmentação
de mercado realmente existe, a função estimada de preços hedônicos para a área urbana
como um todo irá prover estimativas falsas dos preços implícitos, urgindo que funções
separadas sejam estimadas. A conseqüência da segmentação não é invalidar o método,
mas apenas torná-lo mais difícil (DIXON et al., 1994).
Posteriormente, MACEDO (1998b) verifica que os padrões de qualidade
de habitação parecem ser mais sensíveis à proximidade geográfica, configurando a
formação de grupos (clusters), fisicamente aglomerados. Isso faz sentido quando se
considera a questão da valorização imobiliária de construções de alto padrão,
dependentes da proximidade de outras áreas de padrão semelhante. Ou que a existência
de construções de baixo padrão, na vizinhança de uma área qualquer, faz com que haja
uma tendência a se manter tal nível de construção no mesmo local, fornecendo mais
evidências para a hipótese de segmentação proposta anteriormente.
55
O conceito de segmentação em sub mercados, pôde ser, mais tarde, complementado
pelo conceito de autocorrelação espacial. Desde a publicação do Spatial Autocorrelation
(CLIFF e ORD, 1973, apud MACEDO, 1998b), uma questão importante na análise
estatística de qualquer fenômeno geograficamente identificável, tem sido a possibilidade
de efeitos locacionais. Com métodos estatísticos específicos, desenvolvidos
primeiramente para geografia e, posteriormente, estendidos às ciências sociais, foi
possível verificar se a presença de um fenômeno em uma área torna sua existência em
outras áreas mais ou menos provável.
Assim, BOWEN et al. (2001) discutem a razão e a necessidade de se dar
considerações espaciais aos modelos de preços hedônicos, focando na ligação entre o
contexto do mercado imobiliário e as considerações estatísticas necessárias, quando se
trabalha com dados espaciais. Ele indica a evidência de resultados muito diferentes
entre um modelo que desconsidera o efeito espacial e o que o considera corretamente,
indicando a necessidade de incluir o diagnóstico espacial como parte dos modelos
padrões para aplicações em preços hedônicos. No modelo que o efeito espacial é
desconsiderado, BOWEN et al. (2001) encontram uma ruptura em duas das condições
impostas pela análise de regressão, que é erros independentes e normalmente
distribuídos, podendo ser causado pela presença de heterogeneidade e dependência.
No começo dos anos 90, alguns estudos começam a utilizar a
econometria espacial nos modelos de preços hedônicos para o mercado imobiliário,
versando sobre assuntos ignorados na abordagem tradicional. O uso de ferramentas de
econometria espacial possibilitou testes para diagnosticar a dependência e
heterogeneidade espacial. ANSELIN (1988 apud MACEDO, 1998b), destingüi a
"estatística espacial" da "econometria espacial", onde a primeira procura estabelecer
regularidades empíricas, a partir dos dados observados (data-driven approach), e a
segunda busca validar estatisticamente teorias ou modelos pré estabelecidos (model-
driven approach), visando identificar a presença de heterogeneidade e dependência.
Como definição, MACEDO (1998b) fala que caso a contribuição das unidades vizinhas
seja relevante, diz-se que o fenômeno analisado apresenta dependência espacial. De
forma geral, dependência espacial se caracteriza pela existência de uma relação
funcional entre o que acontece em um ponto no espaço e o que acontece em outros
pontos do sistema. BOWEN et al. (2001) complementam a definição dando um
56
exemplo, imaginando que uma observação, num local, diga-se o preço de venda de uma
casa específica, pode ser similar ao de uma observação localizada proximamente àquela,
por razões outras que não as explicitamente incorporadas ao modelo. Problemas de
dependência espacial surgem quando há uma tendência, entre imóveis vizinhos, de
existir desvios em relação ao valor médio de um mercado, correlacionadamente.
Por outro lado, o conceito de heterogeneidade espacial se refere a
variações sistemáticas nos preços de venda de imóveis que dependem da localização
absoluta, do imóvel, na região em estudo. Se os preços marginais dos atributos têm um
desvio (drift) devido à localização espacial, ou seja, se a média, a variância, ou a
estrutura da covariância difere de localização para localização, eles são ditos serem
"espacialmente heterogêneos" (BOWEN et al., 2001). O autor segue para inferir,
segundo suas evidências, que padrões espaciais no mercado imobiliário surgem de uma
mistura de ambos, heterogeneidade e dependência espacial.
A noção de autocorrelação espacial requer que se determine que unidades
da área no sistema espacial têm influência na unidade objeto de análise. Em termos
formais, trata-se de implementar as noções topológicas de vizinhança e vizinho mais
próximo. Essa implementação se faz com a Matriz de Pesos Espaciais, cujos os
exemplos incluem tanto a Matriz de Contigüidade Binária, de MORAN (1950), como a
Matriz proposta por CLIFF e ORD (1973), que usam uma combinação de distância
entre duas entidades espaciais e proporção de fronteira comum. A obtenção e tratamento
dos dados de distâncias, entre os objetos de análise, é realmente custosa e trabalhosa.
Algumas metodologias apresentadas na literatura mostram a utilização de sistemas
informatizados (como o caso do GIS, utilizado por DING et al., 2000), ou mesmo
processos mais rudimentares, como utilização de mapas da cidade (MACEDO, 1998a).
O GIS foi utilizado para calcular a distância entre as observações e os atributos de
análise. A metodologia empregada utilizou a geocodificação dos locais selecionados,
sendo utilizado o centro geométrico (centróide) como representativo da localização e as
distâncias sendo calculadas entre estes centróides.
A incorporação, no modelo, da Matriz de Contigüidade Espacial, se dá
pela inclusão do termo ρ.W.P, como na equação abaixo: (1) (2.5.4)
P = β1 + βLXL + βSXS + βEXE + ρ.W.P + ε15
15 L, S e E são: Location, Structure e Environment, como os vetores das variáveis explicativas.
57
Onde ρ é o coeficiente autoregressivo espacial e W é a Matriz de Contigüidade
Espacial, que pode ser obtida pelo uso do variograma. O teste de hipótese mais
utilizado, para verificar se ρ é significante, é o I de Moran (MORAN, 1948, apud
BOWEN et al. 2001).
É comum na literatura encontrar procedimentos de inclusão de variáveis
dummies, nos modelos, para capturar a heterogeneidade espacial e a construção de
curvas de demanda diferenciadas. CUMMINGS et al. (2001) coletaram informações,
para cada um dos 350 setores censitários da cidade de Filadélfia, para medir a
heterogeneidade de cada localidade específica. CLARK e COSGROVE (1990) também
utilizaram um conjunto de 9 variáveis dummies, divididas por áreas censitárias, para
controlar as diferenças regionais.
Com isso, termina-se de abordar os pontos mais importantes sobre a
pesquisa de preços hedônicos, restando apenas alguns comentários finais, listados no
item abaixo.
2.5.5. Considerações Finais sobre Modelos de Preços
Hedônicos
FREEMAN (1993) comenta que a realização de um estudo do valor de
uma propriedade envolve um grande número de suposições. Como muitas técnicas de
avaliação sem preços de mercado, aplicações da abordagem do valor de propriedade
devem ser pensadas cuidadosamente e todas as suposições devem ser explicitamente
colocadas. Concluindo que, "se, por um lado, uma avaliação precisa não pode ser
obtida, por outro, uma ordem de grandeza do valor colocado no atributo ambiental pode
ser desejado".
DIXON et al. (1994) enumeram duas preocupações importantes, relativas
à estimativa da função de preços hedônicos. A primeira diz respeito à acurácia dos
dados de preços, pois erros na medição da variável dependente fará com que fique
obscurecido qualquer relacionamento entre o valor real da propriedade e dos atributos
caraterísticos. A segunda, é a velocidade de ajuste de preços do mercado quando há
mudanças das condições de oferta e demanda. Ele sustenta que, se os ajustes não forem
completos, os preços implícitos não medirão de forma acurada a disposição a pagar
marginal.
58
Um aspecto particularmente importante no estudo de DING et al. (2000)
está ligado à questão de avaliar a efetividade do esforço de governos e comunidades na
revitalização de áreas internas das cidades, através do desenvolvimento residencial. Ele
fala que a literatura não indica em que áreas, se relativamente menos afluente ou mais
rica, o efeito de investimentos em propriedades residenciais é mais significante,
comentário corroborado por CUMMINGS et al. (2001). Esta é uma questão importante,
sob a ótica de custo-benefício social de investimentos em determinadas áreas. O Rio de
Janeiro é uma cidade que pode ser bem utilizada em um estudo semelhante, devido ao
contraste favela / bairro (i.e. favela da Rocinha em São Conrado).
MACEDO (1998a) infere que os resultados mostram que adjacências são
uma importante fonte de variação de preços, no mercado imobiliário. E que estes
achados empíricos suportam a necessidade de incorporar efeitos espaciais nos estudos
de determinação de preços imobiliários. Opinião correlata a de BOWEN et al. (2001),
que comentam que sem se realizar os testes diagnósticos relevantes, não se pode
garantir que a violação de uma condição da análise de regressão realmente influencia
substancialmente as estimativas. Porém, cita que, como seu estudo mostrou, uma
especificação espacial explícita pode não ser necessária para cada análise hedônica.
E por fim MACEDO (1998b) que, quanto às informações relativas à
segurança urbana, diz haver uma diferenciação marcante entre crimes e contravenções
relativos ao patrimônio e à vida. Ele encontra, para qualquer dos conceitos de
vizinhança (tempo real ou geográfico), que os crimes contra a vida não apresentam
qualquer regularidade espacial, ao contrário dos crimes contra o patrimônio. As
evidências parecem indicar duas características urbanas: a primeira, que há padrões de
vizinhança diferenciados no caso de oportunidade de roubar; e que se há grande
quantidade de roubos em certa área, qualquer das regiões geograficamente vizinhas será
provavelmente mais segura.
Dessa maneira, termina a revisão de literatura, com a intenção de
abordarmos, no capítulo seguinte, a metodologia a utilizada no estudo em questão.
59
3. METODOLOGIA
Este capítulo tem como fins: descrever os modelos de preços hedônicos
utilizados; classificar a pesquisa, quanto aos fins e aos meios; descrever o universo e
amostra estudados; indicar as fontes de dados, bem como descrever sua coleta e análise;
e por fim, indicar limitações ao método empregado. O método terá como base o
referencial teórico exposto no capítulo anterior.
Para entender os caminhos tomados pela metodologia deste trabalho,
deve-se ter em mente, em primeiro lugar, alguns dados importantes sobre a história do
seu desenvolvimento e sobre as dificuldades de obtenção de dados e fontes de
informação. Em segundo lugar, deve-se observar que o objetivo fundamental deste
trabalho é medir o impacto da violência criminal urbana nos imóveis residenciais do
bairro Tijuca, e não testar um modelo particular de avaliação. Em terceiro lugar, o leitor
deve atentar para o fato que a literatura pesquisada não indica uma metodologia
dominante para estudar o fenômeno em questão, apenas mostra alternativas a serem
escolhidas. E por último, como apresentado no item 1.1, há a questão relevante de quais
variáveis instrumentais empregar.
Tais fatos levaram a utilização de dois modelos, com metodologias,
dados e variáveis instrumentais distintas. O primeiro (Modelo 1) buscou medir o
impacto da violência criminal em diferentes bairros da cidade, buscando indicar um
"delta" criminal para Tijuca. O segundo (Modelo 2) visou indicar, para imóveis dentro
da "Grande Tijuca", quais seriam os impactos (além do delta Tijuca) pela proximidade
das áreas sub normais (favelas). Optou-se em descrever ambos os modelos
simultaneamente, para destacar a complementaridade entre eles.
Portanto, para um melhor encadeamento lógico e antes de iniciar a
formalização deste trabalho de pesquisa (classificação, coleta de dados, etc.), faz-se
necessário descrever os modelos de preços hedônicos utilizados, tópico tratado no item
3.1. No final deste item é feita uma pequena descrição sobre os métodos estatísticos
empregados para a obtenção de resultados mais robustos.
3.1. Descrição dos Modelos de Preços Hedônicos.
Como indicado acima, dois modelos foram utilizados para o tratamento
dos dados. O primeiro modelo - Modelo 1 - faz uma análise de segmentação, pela
60
inclusão de imóveis de diferentes bairros, além da Tijuca, para verificar a existência de
impactos diferenciados de violência criminal (deltas), estatisticamente significativos,
entre os bairros. As variáveis instrumentais são os dados agregados de números de
crimes por AISP16, com base na metodologia de CLARK e COSGROVE (1990). Com
elas buscou-se coeficientes de regressão negativos e significativos, para indicar o
impacto da violência nos bairros e determinar um coeficiente para a Tijuca. Este modelo
é mais impreciso, incluindo menos variáveis explicativas, devido a quantidade e a
qualidade dos dados obtidos (acessibilidade) e dados de oferta. As variáveis são
divididas em: dependente, estruturais, de localização e de vizinhança.
A tabela 4 mostra as variáveis incluídas no Modelo 1, bem como uma
breve descrição das mesmas:Tabela 4: Variáveis do Modelo 1. Análise de Segmentação entre Bairros do Município do Rio de Janeiro.
Análise do Custo da Violência, através de Dados Agregados de Crimes. Cálculo do Coeficiente Tijuca.
Variável Dependente DescriçãoPRECO Preço de oferta de venda.
Variáveis Estruturais* (dos Imóveis) DescriçãoQUARTOS (+)** Nº de quartos.ANDAR (+) Nº de andares (linear, dúplex, triplex).COBERT (+) Variável dummy, 1 para cobertura.SUITE (+) Nº de suítes.LAVABO (+) Nº de lavabos.PLAY (+) Variável dummy, 1 para área de lazer.GARAGE (+) Nº de vagas de garagem (na escritura).M2 (+) Área (em m2).
Variáveis de Localização DescriçãoBAIRROS (?) Vetor de variáveis dummies, cada variável representando
um bairro, 1 para o bairro.
Variáveis de Vizinhança DescriçãoCCV (-) Nº de crimes contra a vida, por AISP do bairro (total de
Set/01 a Mai/02).CCP (-) Nº de crimes contra o patrimônio, por AISP do bairro
(total de Set/01 a Mai/02).CLD (-) Nº de crimes ligados às drogas, por AISP do bairro (total
de Set/01 a Mai/02).EC (-) Nº de encontro de cadáveres, por AISP do bairro (total de
Set/01 a Mai/02).PDA (-) Nº de ocorrências de porte e disparo de armas, por AISP
do bairro (total de Set/01 a Mai/02).* A fonte dos dados foram o jornal O Globo (cadernos "Classificados" e "Morar Bem") dos dias 8, 9, 10,16 e 23 de Junho de 2002 e sites de imobiliárias.** O sinal entre parênteses indica a expectativa de sinal do coeficiente da variável pela regressão.
16 Ver nota de rodapé, página 18.
61
O segundo modelo - Modelo 2, inclui imóveis da Tijuca e adjacências
("Grande Tijuca"), com mais variáveis independentes, que tenta medir, através da
distância euclidiana (linha reta, em referência à "linha de tiro") entre os imóveis e as
favelas, o impacto da violência criminal no valor daqueles.
O Modelo 2 busca incorporar mais variáveis independentes ao modelo e
dados de negociações efetivas (melhor indicador do preço de equilíbrio), retirados dos
laudos de imóveis efetivamente vendidos. As variáveis foram retiradas da literatura
pesquisada, das entrevistas com os corretores experientes, dos laudos dos imóveis e do
mapa do município do Rio de Janeiro (processos descritos, mais adiante, neste capítulo):Tabela 5: Modelo 2. Análise da Variável Violência Criminal Urbana pela Distância Euclidiana Entre
Imóveis e Favelas. Análise de Segmentação (sub áreas), pelo CEP.
Variável Dependente Descrição FontePRECO Preço efetivo de venda Laudos da imobiliáriaVariáveis Estruturais Descrição FonteIDADE (-)* Nº de anos desde a construção. Laudos da imobiliáriaQUARTOS (+) Nº de quartos. Laudos da imobiliáriaSUITES (+) Nº de suítes. Laudos da imobiliáriaBANSOC (+) Nº de banheiros sociais. Laudos da imobiliáriaLAVABO (+) Nº de lavabos. Laudos da imobiliáriaANDAR (+) Andar do imóvel (casa = 1) Laudos da imobiliáriaPOSICAO (?) Variável dummy, frente = 1 ; fundos = 0. Laudos da imobiliáriaAREAUT (+) Nº de m2 de área útil. Laudos da imobiliáriaVAGAS (+) Nº de vagas de garagem na escritura. Laudos da imobiliáriaSAUNA (+) Variável dummy, sauna = 1. Laudos da imobiliáriaPLAY (+) Variável dummy, play = 1. Laudos da imobiliáriaPISCINA (+) Variável dummy, piscina = 1. Laudos da imobiliáriaVariáveis de Localização Descrição FonteFACILIDD (+) Variável dummy, facilidd = 1 indica
proximidade à transporte.Laudos da imobiliária
CEPS (?) Vetor de variáveis dummies, indicandoCEP do imóvel.
Site da Empresa de Correios eTelégrafos.
Variáveis de Vizinhança Descrição Fonte1) BOR_KM (+) Distância em km, em linha reta, do imóvel
ao centróide do Morro do Borel.Cd-rom RioAtlas98, PCRJ / IPP.
2) SAL_KM (+) Distância em km, em linha reta, do imóvelao centróide do Morro do Salgueiro.
Cd-rom RioAtlas98, PCRJ / IPP.
3) MAC_KM (+) Distância em km, em linha reta, do imóvelao centróide do Morro dos Macacos.
Cd-rom RioAtlas98, PCRJ / IPP.
4) MANG_KM Distância em km, em linha reta, do imóvelao centróide do Morro da Mangueira.
Cd-rom RioAtlas98, PCRJ / IPP.
5) FAV5_KM (+) Distância em km, em linha reta, do imóvelao centróide da área sub normal maispróxima (fora as 4 anteriores).
Cd-rom RioAtlas98, PCRJ / IPP.
DMIN_KM (+) Distância mínima entre as variáveis 1, 2, 3,4 e 5.
DMIN4_KM (+) Distância mínima entre as variáveis 1, 2, 3e 4.
PRODTOT (+) Produto das variáveis 1, 2, 3, 4 e 5.PROD_4 (+) Produto das variáveis 1, 2, 3 e 4.* O sinal entre parênteses indica a expectativa do sinal do coeficiente da regressão, para a variável.
62
Em ambos os modelos, as variáveis estruturais foram escolhidas com
base na literatura, principalmente no trabalho de WILHELMSSON (2000), que
apresenta as variáveis mais empregadas nos estudos dos Journal of Real Estate
Research e Journal of Urban Economics. Além disso, as entrevistas focalizadas com os
corretores experientes indicaram a inclusão de variáveis referentes ao andar do imóvel
(caso seja apartamento) e à posição do apartamento relativo à rua (frente ou fundos).
A variação sistemática nos preços de venda dos imóveis depende da sua
localização absoluta na região de estudo (BOWEN et al., 2001) sendo assim, no Modelo
1, parte-se da hipótese que imóveis dentro do mesmo bairro teriam as mesmas
características de localização (inclusão do vetor de variáveis dummies dos bairros). Esta
suposição (de divisão por bairros) é feita, basicamente, pela falta de detalhamento de
informações sobre cada imóvel (a Amostra 1 será descrita no item 3.4.1). Porém, como
indica o senso comum, há diferenças intrabairros (como proximidade da praia, belas
vistas, proximidade de favelas, etc.) que não são contempladas neste modelo. O Modelo
2, com a inclusão do vetor de variáveis dummies CEPS, busca capturar pequenas
diferenças na localização, pela existência de áreas mais nobres e áreas mais
desvalorizadas dentro do mesmo bairro. Como indicado no capítulo de Revisão de
Literatura, exemplos de trabalhos que se utilizam destas variáveis para capturar esses
nuances são DING et al. (2000) e EPPLI e TU (1999).
No Modelo 2, a variável FACILIDD é inserida para capturar o valor da
proximidade de meios de transporte. Esta variável dicotômica foi extraída da parte de
descrições qualitativas dos laudos fornecidos pela imobiliária (descrito no item 3.4.2).
DING et al. (2000) citam que de acordo com a teoria econômica urbana, esta variável é
importante na determinação dos preços das propriedades, porque residentes de áreas
mais afastadas de regiões centrais, onde o mercado de trabalho existe, incorrem em
custos maiores de deslocamento e devem ser compensados no preço da terra e dos
imóveis para manter o equilíbrio espacial.
As variáveis instrumentais, que procuram medir o custo da violência
criminal urbana, são os dados agregados de crimes por AISP, no Modelo 1. Para o
Modelo 2, as variáveis instrumentais são as distâncias entre os imóveis da amostra do
Modelo 2 (Amostra 2 - item 3.4.2) e as 4 áreas sub normais, Morros do Borel, do
Salgueiro, dos Macacos e da Mangueira e a distância de uma quinta área sub normal,
63
diferente das quatro citadas, mais próxima dos imóveis da amostra (BOR_KM,
SAL_KM, MAC_KM, MANG_KM e FAV5_KM, respectivamente). Além disso, foram
incluídas as variáveis DMIN_KM e DMIN4_KM, que representam a menor distância
entre o imóvel e uma das 5 áreas sub normais, e a menor distância entre o imóvel e uma
das 4 áreas sub normais principais, respectivamente. Por fim foram incluídas duas
variáveis que procuram medir o impacto conjunto das 5 áreas sub normais e das 4 áreas
sub normais principais, sendo PRODTOT e a PROD_4, que foram obtidas pelo produto
das distâncias entre imóveis e as 5 áreas sub normais e imóveis e as 4 áreas sub normais
principais, respectivamente.
Para o Modelo 1, a expectativa é que os coeficientes das variáveis de
vizinhança sejam negativos e significativos (quanto mais crimes menor o valor dos
imóveis), e para o Modelo 2 que sejam positivos e significativos, indicando que quanto
maior a distância, maior o valor do imóvel.
Neste ponto, deve-se retornar ao item 1.1 e relembrar as questões
adjacentes 1 e 2. Estas questões tratam, além das colocações de GIZEWSKI e HOMER-
DIXON (1995), da variável instrumental do Modelo 2, é importante estabelecer uma
análise que, apesar de não fazer parte do escopo central deste trabalho de pesquisa,
suscite a discussão quanto à escolha da distância entre imóvel e favela como variável
instrumental.
Referindo-se à tabela 12 (p. 78), retirada do estudo de CUMMINGS et al.
(2001), que mostra que áreas de renda mais baixa apresentam índices de criminalidade
maiores para a cidade da Filadélfia, buscou-se fazer uma pequena análise de correlação
e regressão, entre variáveis sócio econômicas e variáveis criminais, para tentar indicar a
proximidade de favelas como variável instrumental. Pelo fato de ser uma análise
adjacente e fora do escopo central, ela tem apenas caráter ilustrativo e será abordada no
item de Limitações do Método e no capítulo de Sugestões para Pesquisas Futuras. Tal
estudo merece, por si apenas, um trabalho de pesquisa aprofundado.
Tratar-se-á esta análise por Modelo Adjacente 2.1 e sua formalização
será descrita a seguir. A primeira análise a ser apresentada é a análise de correlação
entre as variáveis sócio econômicas e variáveis criminais, por bairros do município do
Rio de Janeiro, apresentadas na tabela 6, abaixo:
64
Tabela 6: Análise de Correlação entre Variáveis Sócio econômicas e Variáveis Criminais, por Bairros do
Município do Rio de Janeiro.
Variáveis Sócio Econômicas: Variáveis Criminais:Nº de Favelas Homicídios Dolosos
Renda Média Veículos Furtados
População Veículos Roubados
Índice de Alfabetização Roubo de Transeunte
Roubo de Residência
Roubo de Coletivo
Roubo em Instituição Financeira
Latrocínio
Por hipótese, espera-se que as correlações sejam positivas entre as
variáveis sócio econômicas Nº de Favelas e População e as variáveis criminais, e que
sejam negativas entre Renda Média e Índice de Alfabetização e as variáveis criminais.
Estes resultados seriam coerentes com os resultados apresentados por CUMMINGS et
al. (2001).
A segunda análise apresentada foi a análise de regressão cross-section.
Foram realizadas 5 equações de regressão, utilizando como variável dependente a
variável criminal Homicídios Dolosos (a mesma variável analisada por CUMMINGS et
al., 2001) e como variáveis independentes as variáveis sócio econômicas.
Primeiramente, foi realizada a regressão múltipla da variável homicídio por todas as
variáveis sócio econômicas em conjunto e, posteriormente, regressões simples da
variável criminal por cada uma das variáveis sócio econômicas. Por hipótese, espera-se
que as 4 variáveis sócio econômicas sejam estatisticamente significativas, sendo que as
variáveis Nº de Favelas e População tenham coeficientes positivos, enquanto as
variáveis Índice de Alfabetização e Renda Média apresentem coeficientes negativos.
Para os Modelos 1 e 2, duas abordagens foram usadas para as regressões,
ambas utilizando o software estatístico SPSS. A primeira foi pelo método ENTER, que
inclui todas as variáveis independentes na regressão, para que se possa analisar os
coeficientes encontrados. No método ENTER, mesmo as varáveis com coeficientes
estatisticamente não significativos e as variáveis colineares são incluídas no modelo,
prejudicando a análise de variância (ANOVA - aumentando os graus de liberdade e
65
reduzindo a estatística F). A segunda pelo método STEPWISE. O método STEPWISE é
um procedimento sistemático para incluir as variáveis independentes que apresentam
estatísticas t significativas a um determinado nível de significância e que mais
contribuem para otimizar as estatísticas R2 e F do modelo. Devido a este fato e à
estimativa de um modelo para uma amostra específica, podem haver variáveis incluídas
no modelo que não são importantes para explicar o fenômeno estudado (Erro tipo I) ou,
ao contrário, variáveis importantes excluídas (Erro Tipo II). Outro uso para este método
é quando há variáveis independentes correlacionadas. Geralmente, apenas uma de um
conjunto de variáveis independentes multicolineares é incluída num modelo de
regressão STEPWISE, pelo fato que, a cada passo, cada variável é testada na presença
de todas as variáveis presentes no modelo (BENSON et al., 2002).
Para complementar a explicação do uso de dois modelos e finalizar a
descrição dos mesmos, pode-se dizer que no Modelo 1 busca-se caracterizar o impacto
médio da violência criminal em todos os imóveis de um determinado bairro, pelo
número de crimes ocorridos neste bairro. Quando olha-se detalhadamente dentro de um
bairro, além do impacto médio que um imóvel sofre sobre seu valor, ele está sujeito a
outro impacto devido à maior ou menor exposição à violência criminal. O Modelo 2
busca agregar este novo impacto. Dessa forma, o impacto global da violência criminal
urbana, seria 1) o impacto médio pelo fato do imóvel estar num determinado bairro e 2)
o impacto de sua maior ou menor exposição à violência, dentro deste bairro.
Com os modelos devidamente formalizados, a classificação da pesquisa,
próximo item, tem o dever de informar o leitor sobre sua conceituação e justificativa.
3.2. Classificação da Pesquisa
Para a classificação da pesquisa, toma-se como base a taxonomia descrita
por VERGARA (1990), que a classifica em relação a dois aspectos: quanto aos fins e
quanto aos meios.
• Quanto aos fins, a pesquisa é exploratória, descritiva e metodológica;
• Quanto aos meios, a pesquisa se divide em pesquisa de campo, de
laboratório, telematizada, experimental e ex post facto.
Apesar do fato de, no tema em questão (modelo de preços hedônicos),
constar uma literatura bem definida, documentada e variada, sua aplicação no Brasil é
66
um relativamente restrita (foram encontrados apenas três ocorrências de trabalhos
ligados ao método, aplicados ao Brasil). Além disso, sobre o tema aqui abordado,
impacto da violência criminal urbana no valor dos imóveis, foram encontrados dois
artigos que utilizam o modelo de preços hedônicos, fazendo referência a alguns outros
poucos trabalhos. Portanto, a pesquisa se classifica em primeiro lugar como
exploratória. É também descritiva, pois tem como um dos seus objetivos descrever os
aspectos importantes na formação de preços no mercado imobiliário. E por fim se
classifica como metodológica, pois se utiliza de instrumental estatístico para a captação
e entendimento da realidade do mercado imobiliário residencial.
Inicialmente, a pesquisa se utiliza do campo para obtenção de
informações referentes às características marcantes na formação de preços no mercado
imobiliário, realizada através de entrevistas com profissionais experientes, ligados a
corretoras de imóveis. Muitos dos dados para a construção de um dos modelos (Modelo
2) foram coletados nos contatos com uma corretora imobiliária. É telematizada e de
laboratório, devido ao seu caráter de uso intensivo da Internet para obtenção de
informações e dados (tanto no Modelo 1 quanto no 2), bem como o uso intensivo de
computador para o cálculo das regressão. Por fim, a pesquisa se classifica como
experimental e ex post facto, por ser baseada na utilização de ocorrências passadas
(registros de vendas de imóveis) como fonte de explicação do fenômeno estudado, e
experimental pois o modelo explicativo será testado, com os dados coletados, porém
não esgotando as possibilidades de pesquisas diferenciadas. A revisão de literatura faz
várias citações quanto ao caráter experimental do método de preços hedônicos.
3.3. Universo e Amostra
O foco do estudo está nos imóveis residenciais do bairro da Tijuca
(entenda-se Tijuca pela delimitação oficial do bairro, aplicada pela Prefeitura
Municipal, veja figura 2), sendo, dessa forma, a população em estudo o universo de
imóveis residenciais do bairro da Tijuca. Porém, devido à utilização de dois modelos
distintos, para se tentar identificar a disposição a pagar marginal (negativa) da violência
criminal urbana, foram construídas duas amostras, ambas selecionadas por
acessibilidade, devido à dificuldade de obtenção de dados referentes a negociações de
imóveis, o que faz-se incluir em ambas as amostras, dados de imóveis de outros bairros
67
e não só imóveis da Tijuca. Na seção referente a análise dos dados, far-se-á uma
observação devido à inclusão de outros bairros à amostra, e será testada a hipótese de
diferenças relevantes entre os bairros da "Grande Tijuca". Como falado no item 3.1, a
partir de agora, serão tratadas duas amostras - Amostra 1, referindo-se ao conjunto de
dados do Modelo 1 e Amostra 2 para os dados do Modelo 2.
3.4. Seleção dos Sujeitos e Coleta de Dados
Como introdução a este item, vale ressaltar que o autor não encontrou (ou
não teve acesso) a uma base de dados pronta, com as informações de dados dos imóveis
para a realização da pesquisa, tendo que montar as amostras a partir de inúmeras fontes
de informação, muitas vezes montando as observações uma a uma, o que onerou a
pesquisa em termos de obtenção dos dados e tempo de execução. Deve-se frisar que os
dados, em ambas as amostras, foram obtidos por acessibilidade, forçando uma
adequação metodológica para a utilização dos mesmos. CLARK e COSGROVE (1990)
citam a variedade de fontes de seus dados.
Neste projeto de pesquisa, buscou-se quatro níveis de informações
sistematizadas, com sujeitos específicos para sua obtenção. A tabela 7 remonta a estes
níveis de informação, bem como os sujeitos:Tabela 7: Tipos de Informações Pertinentes ao Trabalho de Pesquisa e Sujeitos Visados para Obtenção
dessas Informações.
Tipo de Informação e Justificativa Sujeitos Visados
1 - Corretoras de Imóveis atuantes no bairro daTijuca, para obtenção de dados de negociações deimóveis.
Entidades de classe (ABADI, SECOVI e ADEMI).Federação das Indústrias (FIRJAN). Fontes deacesso público (Internet e Listas Amarelas).
2 - Variáveis relevantes à formação de preços, paraidentificar as variáveis independentes do modelo depreços hedônicos e compará-las com a literatura.
Corretores de imóveis experientes do ramoimobiliário, via entrevistas focalizadas(VERGARA, 1998, p. 53).
3 - Preços de venda e características estruturais dosimóveis.
Fontes Iniciais: Imobiliárias, atuantes na Tijuca.Outras fontes: classificados de jornais de grandecirculação (O Globo e Jornal do Brasil); sites deimobiliárias na Internet.
4 - Características Locacionais e Ambientais Censo 2000 (IBGE). Estatísticas criminais domunicípio e do estado (PCRJ e Governo doEstado). Distância entre áreas sub normais e osimóveis da amostra [Instituto Pereira Passos(PCRJ)]. Estatísticas gerais da cidade (pelo sitewww.armazémdedados.rio.rj.gov.br - PCRJ).
Os dados e sujeitos acima mostram a gama geral de informações para a
modelagem de preços hedônicos, porém com a divisão do estudo em dois modelos
distintos, ocorreram formas separadas de obtenção de dados. Portanto, separadamente
68
também, deve ser a descrição da coleta de dados e dos sujeitos envolvidos em cada uma
das amostras. Entretanto, um item do quadro acima é comum às duas amostras, podendo
ser tratado conjuntamente.
O item 2 é comum a ambas as amostras e foi realizado através de duas
entrevistas focalizadas (sem um questionário formal), com dois profissionais
experientes do ramo imobiliário. Citando novamente BRUEGGEMAN e FISHER
(1997), é importante a opinião do profissional experiente, pois a formação de preços
tem forte influência do seu julgamento e conhecimento das condições deste mercado.
Desta forma, o primeiro entrevistado (C1) foi um corretor autônomo, locado em uma
imobiliária (uma das maiores do mercado17), que atua no mercado imobiliário
residencial do município de Niterói, particularmente na região oceânica (nos bairros de
Piratininga, Itacoatiara, Itaipú e Camboinhas ). O segundo entrevistado (C2) foi o
diretor regional da loja do bairro da Tijuca de outra grande imobiliária, também corretor
e experiente profissional do ramo. A primeira entrevista foi realizada no dia 15 de Maio
de 2002, via telefone, com duração aproximada de 30 minutos e a segunda foi realizada
pessoalmente, na loja da Tijuca da imobiliária no dia 21 de Maio de 2002, com duração
aproximada de 40 minutos, onde foram tratados também assuntos referentes à obtenção
de dados para a Amostra 2.
A tabela 8, a seguir, resume as informações mais relevantes, congregadas
em ambas as entrevistas. A primeira coluna indica a variável relevante que o
entrevistado levantou, a segunda coluna mostra, por sua intuição profissional, o impacto
que tal variável teria no preço do imóvel e a terceira coluna identifica qual entrevistado
teceu tal observação. Foram omitidas deste quadro as variáveis consideradas de senso
comum na formação de preços (como número de quartos, área útil do imóvel, número
de vagas na garagem, etc) por estas estarem presentes na tabela 4, do estudo de
WILHELMSSON (2000), mesmo tendo o entrevistado citado tal variável:Tabela 8: Variáveis Relevantes nos Preços de Imóveis, por Corretores Experientes (2 Entrevistados).
Variável Especificada Impacto no Preço do Imóvel EntrevistadoSol da manhã NSI (não soube informar) C1 / C2Frente / fundos Aprox. de 15% a 20% C1Nº de andares do imóvel NSI C1 / C2Andar (caso apartamento) Aprox. de 5% a 15% C1Facilidades (comércio / transporte) NSI C1Vista para Morro / Favela NSI C2Caminho entre imóvel e trabalho. NSI C2
17 Os nomes das imobiliárias foram omitidos do texto a pedido dos colaboradores.
69
Podemos verificar que das 7 variáveis relacionadas na tabela acima 4
tratam de critérios ambientais ou locacionais (sol, facilidades, caminho, vista para
morro) e 3 tratam de variáveis estruturais (frente / fundos, nº de andares e andar). A
obtenção dessas informações foi importante no momento da coleta efetiva de dados,
para nortear o autor em quais informações buscar, sempre limitado, é claro, ao acesso
restrito às informações.
Ambas as amostras foram construídas com dados secundários, porém de
obtenção manual e demorada. Os demais itens da tabela 4 foram tratados de forma
separada para cada uma das amostras. Portanto, faz-se aqui necessária a separação da
descrição da coleta de dados de cada uma delas, indicando suas particularidades e as
restrições encontradas.
3.4.1. Coleta de Dados - Amostra 1
Antes de falar sobre a forma como os dados da Amostra 1 foram obtidos,
deve-se voltar um pouco ao escopo do Modelo 1 (estabelecido no item 3.1). Este
modelo visa dois objetivos: determinar um coeficiente para a Tijuca (delta Tijuca) e
uma estimativa de custo da violência urbana, através de dados agregados de crimes por
região, como realizado por CUMMINGS et al. (2001) e CLARK e COSGROVE
(1990), além de tentar identificar aspectos de segmentação no mercado imobiliário no
município do Rio de Janeiro, como indicados por MACEDO (1998b). Segundo
STRASZHEIM (1974, apud DIXON et al., 1994) o mercado imobiliário é constituído
de uma série de funções segmentadas de preços hedônicos, e o Modelo 1 se presta,
também, a testar esta segmentação. CUMMINGS et al. (2001), ao apresentar o mapa da
cidade da Filadélfia, chamam a atenção sobre uma enorme heterogeneidade na
qualidade de vida da cidade. E, como citado na Revisão de Literatura, utilizou os setores
censitários para controlar a segmentação, mesmo procedimento usado por CLARK e
COSGROVE (1990), através do uso de variáveis dummies (seu estudo engloba muitas
cidades), também com base em divisões censitárias, para controlar a segmentação.
Portanto, esta amostra buscou, em primeiro lugar, a maior diversidade
possível de bairros da cidade, para que fossem identificados segmentos no mercado; em
segundo lugar, a amostra visou obter o maior número de dados possível, referente a
cada bairro selecionado. Optou-se por um conjunto maior de observações, porém com
70
menos precisão nos dados e menos variáveis explicativas, devido exclusivamente à falta
de recursos para sua obtenção.
Como indica a literatura pesquisada (DIXON et al., 1994), procura-se
utilizar dados de vendas reais (preço de venda), porém no caso da Amostra 1, foram
utilizados preços de oferta de imóveis (por acessibilidade). O tempo a ser gasto para
obter dados reais, de imobiliárias de diversos bairros, e a falta de recursos inviabilizaria
a pesquisa.
A amostra total foi coletada em duas fontes principais: o jornal O Globo
e sites de imóveis. No O Globo, foram selecionados os cadernos "Classificados" e
"Morar Bem", dos dias 8, 9, 10, 16 e 23 de Junho de 2002. Todos os anúncios de
imóveis residenciais destes dias foram lidos, buscando identificar o máximo de
informações comuns e um mínimo de informações relevantes em cada anúncio, para
que fosse montado o banco de dados. Além de dados dos imóveis, os jornais forneceram
uma lista de sites de imobiliárias, que foi catalogada e posteriormente pesquisada. A
lista dos sites pesquisados e dos selecionados encontra-se no Anexo 1.
O critério para a seleção do anúncio a fazer parte da amostra era conter
informações pertinentes ao Modelo 1 (preço ofertado, a área do imóvel (m2) e o número
de quartos). Em cada anúncio procurava-se identificar ainda o número de suítes, de
vagas na garagem (na escritura do imóvel), de andares do imóvel (linear, dúplex, etc) e
de lavabos. Buscava-se ainda identificar o bairro e se o imóvel era uma cobertura ou não
e se tinha área de lazer (playground, piscina, sauna, etc). A mesma metodologia foi
empregada para imóveis anunciados em jornais e em sites de imobiliárias. Por exemplo,
se o anúncio continha as informações de preço, área e número de quartos, mas não
mencionava vagas na garagem ou a presença de área de lazer, era considerado um
imóvel sem vagas na garagem ou área de lazer, o mesmo método sendo utilizado para as
demais variáveis (suítes, lavabo, cobertura, e andar). Caso o anúncio mencionasse 2
suítes e não mencionasse lavabo, era considerado um imóvel com n quartos, 2 suítes e 0
lavabo, etc. Após todo o levantamento de dados, a amostra total ficou composta da
seguinte maneira, como mostra a tabela 9, abaixo:
71
Tabela 9: Resultados da Amostra 1. Totalidade dos Dados.
Número total de observações 1021 imóveisObtidos via Internet 889 imóveisObtidos via Jornal 132 imóveisNúmero de sites pesquisados 43 sitesNúmero de sites selecionados 15 sitesNúmero de bairros 25 bairros
Por outro lado, apesar da amostra de 1021 imóveis e 25 bairros, foi
necessário excluir 301 imóveis e 13 bairros da amostra, devido à distribuição irregular
de imóveis por bairros. O gráfico 1, a seguir, mostra a distribuição de imóveis pelos
bairros da totalidade de dados:
Gráfico 1: Distribuição de Imóveis Coletados por Bairros, da Totalidade dos Dados obtidos (Amostra 1).
Como muitos bairros apresentam 60 imóveis, optou-se por utilizar este
número como limite de corte para bairros que tivessem mais imóveis e eliminar bairros
que tivessem menos de 60 imóveis observados. Assim, foram selecionados de forma
aleatória 60 imóveis dos bairros de Copacabana, Barra, Laranjeiras, Ipanema e Leblon.
Com essas alterações, a amostra final ficou constituída de 12 bairros e 720 imóveis. Não
houve uma determinação criteriosa do bairro ao qual cada imóvel efetivamente pertence
(como estipulado pela demarcação oficial da PCRJ), devido à falta de informações
suficientes para tal determinação (como o endereço do imóvel).
O próximo bloco de dados que foi coletado refere-se a dados da violência
criminal urbana. A coleta destes dados teve como base os trabalhos de: BROWN e LI
(1980), que testaram o efeito da vizinhança, relacionado ao crime e vandalismo, porém
utilizando como variável explicativa o índice de evasão escolar entre jovens de 16 e 21
anos, na região do imóvel, que apesar de ter apresentado valores significativos e
negativamente impactantes, os próprios autores mencionam que "nossa medida é longe
de ser perfeita"; CLARK e COSGROVE (1990), que utilizaram os índices de
72
assassinatos da região do imóvel, como sendo a variável representante do inverso da
variável segurança pública; e CUMMINGS et al. (2001), que também utilizaram
números de homicídios, do setor censitário do imóvel, como variável para medir o custo
da violência criminal. No presente trabalho, coletou-se variáveis ligadas aos crimes
efetivos realizados nas Áreas Integradas de Segurança Pública (AISP18). A hipótese a
ser testada é se o número de crimes em determinada região (bairro) teria impacto
negativo e estatisticamente significativo no valor dos imóveis.
Quanto aos crimes a serem coletados e a forma de medir e incluir os
mesmo no modelo de regressão, CLARK e COSGROVE (1990) estabelecem, de forma
articulada e clara, os métodos empregados e fundamentam a argumentação para tal. Em
primeiro lugar eles citam que foi medido o aumento no nível de segurança pública pela
diminuição na probabilidade de um indivíduo ser vítima de um crime. Pelo fato de
crime ter um papel chave no trabalho deles e neste, uma discussão mais prolongada do
conceito a respeito da medida de crime deve ser colocada.
CLARK e COSGROVE (1990) apontam três pontos que devem ser
estabelecidos, para a inclusão da variável sobre violência criminal: o grau de agregação
dos vários tipos de crimes; se os crimes devem ser medidos em termos absolutos ou per
capita; e a localização na qual a taxa de crimes é medida.
Segundo os autores, se um indivíduo se preocupa com segurança, um
aumento de criminalidade, ceteris paribus, resulta em uma diminuição do nível de
utilidade. O preço implícito da segurança pública é, por definição, o valor que um
indivíduo coloca na redução marginal da taxa de crimes. Não há razão, a priori, de se
acreditar que os indivíduos são igualmente aversos a todas as categorias de crimes.
Mantendo a taxa total de crimes constante, alguns indivíduos podem querer
experimentar uma taxa maior de roubos em troca de uma taxa menor de assassinatos.
CLARK e COSGROVE (1990), sobre o grau de agregação de crimes,
notam que pelo fato dos vários tipos de crimes tenderem a ser colineares, não é possível
isolar os seus efeitos independentes nos preços. Portanto, eles focaram a atenção em um
tipo de crime, e o coeficiente dessa variável deveria capturar o impacto de outros tipos
de crimes cometidos, em conjunto. Em seu trabalho, eles escolheram os assassinatos,
como representativos da violência criminal, por dois motivos. Primeiro, pois inferiram
18 A relação das AISP's e as delegacias que as compõem estão listadas no Anexo 2.
73
que os dados de assassinatos deveriam ser mais acurados que os dos demais. Segundo,
porque assassinatos recebem, proporcionalmente, mais atenção da mídia que outros
crimes, e assim os indivíduos deveriam estar mais sensibilizados ao número de
assassinatos que ocorrem em suas vizinhanças. Isto é importante, pois o preço implícito
dos crimes reflete o verdadeiro preço implícito, se e somente se, os indivíduos possuem
informações acuradas sobre as taxas de crimes que eles encaram. No presente trabalho,
devido ao acesso a diferentes crimes, foram utilizados, além de homicídios, outros
crimes contra a vida, contra o patrimônio, e outros relacionados abaixo.
CLARK e COSGROVE (1990), sobre a forma como a medida de crimes
deve ser feita (absoluta ou per capita), explanam que, pelo fato dos crimes terem
características negativas, pode parecer que a medição em termos absolutos é mais
importante. Entretanto, colocam o seguinte exemplo para propor o inverso: "imagine
que se comparem duas cidades muito diferentes em tamanho. É óbvio que se o número
de crimes for o mesmo em ambas as cidades, os residentes da cidade menor irão se
sentir mais inseguros. Mesmo que a comparação seja entre duas cidades de tamanhos
semelhantes, indivíduos que vivem em áreas com uma taxa de crimes um pouco mais
elevada estão, de fato, marginalmente mais inseguros". Dessa forma, escolheram a
medida de crimes per capita. Neste trabalho, entretanto, utilizou-se o valor absoluto de
crimes por AISP, referente ao bairro. Devido ao caráter experimental deste trabalho, o
método pode ser flexibilizado e , na ótica deste autor, as pessoas tendem a pensar em
termos absolutos (falar que um bairro tem 3000 crimes chama mais atenção que 0,03
crimes per capita, por exemplo). Além disso, na maioria das vezes, os habitantes de
uma localidade não sabem, ao certo, o tamanho da população do local em que vivem, o
que torna a medida per capita mais abstrata. Na seção de Sugestões para Pesquisas
Futuras, fazem-se comentários a este respeito.
E por fim, CLARK e COSGROVE (1990), sobre a localização na qual a
taxa de crimes é medida, falam da utilização de uma média das taxas de crimes para
toda a cidade ou da imputação de uma medida que seja mais localizada. No caso do seu
trabalho, que incluía muitas cidades, este comentário é relevante. Aqui, pelo fato de se
utilizar apenas um município, as medidas de crimes foram subdividas pela menor área
possível, de acordo com os dados disponíveis, neste caso a AISP e bairros que fazem
parte dela.
74
Dessa forma, foram acessados os relatórios de Incidência Geral de
Infrações Penais no Estado, realizados pelo Núcleo de Pesquisa e Análise Criminal da
Coordenadoria de Segurança, Justiça, Defesa Civil e Cidadania, que integra a Secretaria
de Estado de Segurança Pública, do Governo do Estado do Rio de Janeiro (estes dados
podem ser acessados pelo portal do Governo do Estado na Internet -
www.governo.rj.gov.br). Este relatório apresenta, por AISP, todas as estatísticas de
crimes realizadas no estado do Rio de Janeiro, mensalmente, discriminadas por tipo de
crime, incidência, sexo das vítimas, etc. Estes dados foram coletados no mês de Junho
de 2002, e na época da coleta de dados, estavam disponíveis dados sobre ocorrências
criminais de Setembro de 2001 até Maio de 2002, mensalmente..
Devido ao número de diferentes crimes, foi realizado um filtro de crimes
que espelhasse a violência criminal e que excluísse crimes "do colarinho branco" (como
estelionatos, corrupção ativa, etc). Como relatado na Revisão de Literatura, MACEDO
(1998b) diz haver uma diferenciação marcante entre crimes e contravenções relativos ao
patrimônio e à vida, e portanto este trabalho leva em conta ambos os tipos de crimes e
outros relacionados à violência criminal. Os agrupamentos estão na tabela 10, abaixo:Tabela 10: Tipos de Crimes Selecionados para Contabilização das Ocorrências, por AISP.
Crimes Contra a Vida (CCV) Homicídio DolosoLesão CorporalPerigo à VidaRaptoSeqüestroOutros Crimes contra a Vida
Crimes Contra o Patrimônio (CCP) Violação de DomicílioFurtosRoubosExtorsão
Crimes Ligados às Drogas (CLD) Formação de QuadrilhaPosse e uso de DrogasTráficoApreensão
EC Encontro de CadáveresPDA Porte de Armas
Disparo de ArmasCada tipo diferente de crime (homicídio, lesão corporal, etc) sofre ou não
uma subdivisão, mas foram contabilizados o total de crimes, por AISP, de forma
agregada. Para relacionar os 12 bairros, pertencentes a Amostra 1, ao número de crimes
referente às AISP's, foi utilizada a tabela de correspondência entre delegacias e AISP's,
presente no Anexo 2. Como exemplo, tomemos o bairro de Botafogo. Nele está
75
localizada a 10ª Delegacia de Polícia (DP), pertencente à AISP 2. Assim, a totalidade de
CCV's (e dos demais tipos de crimes) da AISP 2 (que engloba a 10ª DP Botafogo e a 9ª
DP Catete) foi alocada ao bairro de Botafogo. No caso de bairros como o Grajaú e a
Tijuca, que pertencem à AISP 6 (18ª DP Praça da Bandeira, 19ª DP Tijuca e 20ª DP
Grajaú), os números de crimes alocados é o mesmo e igual ao número da AISP 6.
Certamente esta metodologia é passível de críticas e erros no tratamento estatístico,
sendo que dados mais apurados e segmentados por bairro (ou setor censitário) seriam
mais representativos. Porém, a informação disponível foi apresentada desta forma e
críticas a este método serão mais exploradas no item de Limitações do Método. A tabela
cruzada dos dados de crimes por bairros, subdivididos nos 3 períodos agrupados está no
Anexo 3 (Fonte: Assessoria de Estatística/Asplan/Cpc/Ssp).
O produto de todo o trabalho realizado com esta coleta de dados foi uma
planilha com 9 variáveis estruturais dos imóveis, 12 variáveis de localização (uma para
cada bairro) e 5 variáveis de vizinhança (números de crimes). Uma parte desta planilha
encontra-se no Anexo 8.
Com isso, é finda a descrição da coleta de dados da Amostra 1. O item
seguinte pormenoriza a coleta de dados para a Amostra 2.
3.4.2. Coleta de Dados - Amostra 2
A Amostra 2 caracteriza-se pelo detalhamento de dados referentes aos
imóveis da Tijuca. Inicialmente, esperava-se identificar todas as imobiliárias atuantes
neste bairro, o que possibilitaria a ampliação da base de dados de imóveis vendidos.
Porém, em função da dinâmica do mercado imobiliário, onde a concorrência entre as
corretoras, e principalmente entre os corretores de imóveis (geralmente funcionários
autônomos, remunerados por comissão, ou percentual sobre o valor de venda), é intensa,
o contato com as mesmas fica prejudicado devido à desconfiança intrínseca da
atividade, principalmente no que se refere ao fornecimento de informações sobre
imóveis. Além disso, a base de informações dessas imobiliárias não é muito organizada,
revelando a necessidade de maior controle gerencial e racionalização das informações.
Assim, após alguns contatos mal sucedidos com imobiliárias da região,
uma imobiliária, com ampla representatividade e atuação na área, atendeu o pedido para
o fornecimento dos dados referentes a vendas efetivas de imóveis, do bairro da Tijuca e
adjacências. No total, foram fornecidos 460 laudos detalhados de imóveis efetivamente
76
vendidos, do período entre Junho de 2000 e Janeiro de 2002 (segundo informação da
própria imobiliária). Cada laudo (um deles está no Anexo 6, apenas para ilustração)
contém além do preço de venda, um número de registro, uma série de dados estruturais
(idade, m2, nº de quartos, etc), endereço (sem o respectivo CEP), descrição qualitativa
sobre o imóvel (i.e. sol da manhã, vista para a montanha, proximidade de meios de
transporte, etc), além de dados de interesse exclusivo da imobiliária. Dos 460 laudos, 8
foram excluídos por apresentarem falta total de informações, 1 foi excluído por
pertencer ao bairro da Barra da Tijuca e 1 foi excluído por pertencer ao bairro do Méier.
Assim, os laudos aproveitados foram reduzidos para 450.
Cada laudo foi lido detalhadamente, sendo digitadas em planilha o preço
de venda, as informações estruturais, o endereço e foi realizada uma análise qualitativa
das informações contidas na descrição. As variáveis estruturais obtidas nos laudos
foram as seguintes:
1. Idade do imóvel, em anos;2. Nº de quartos e nº de suítes;3. Nº de banheiros sociais e lavabos;4. Andar do imóvel (1 para casa e o nº do andar para apartamento);5. Posição (se imóvel de frente ou de fundos);6. Área útil do imóvel (m2);7. Nº de vagas na garagem, pela escritura do imóvel;8. Existência de sauna, piscina e/ou playground.
Com o endereço, foram pesquisados os CEP's de cada imóvel. A intenção
era reproduzir a análise de segmentação do Modelo 1, desta vez em uma área menor. O
CEP foi também utilizado por EPPLI e TU (1999) para capturar as variações
demográficas entre as sub áreas, como citado anteriormente. Talvez a utilização de
setores censitários (CUMMINGS et al., 2001) traga informações mais precisas, porém
necessita de um número maior de dados. O endereço possibilitou ainda a localização do
imóvel no mapa do município do Rio de Janeiro, item que será detalhado ainda mais
nesta seção, indicando também, em qual bairro efetivamente o imóvel se encontra
(segundo os limites oficiais de bairro). O endereço foi também de fundamental
importância para a obtenção das variáveis de vizinhança no Modelo 2.
A análise das informações contidas na descrição de cada laudo
possibilitou a criação da variável dicotômica "FACILIDD" (facilidades). Esta variável
pode ser considerada uma variável de julgamento subjetivo, como explicado por
WILHELMSSON (2000), indicando, no presente trabalho, proximidade de meios de
77
transporte. Quando indicado no laudo que o imóvel é bem localizado em termos de
proximidade aos mesmos (como metrô ou ônibus), a variável recebeu o valor 1, e 0 caso
nada seja indicado.
Dos 450 laudos digitados, foram descartados 66 da amostra final por não
apresentarem a idade de imóvel. Dessa forma, a Amostra 2 ficou com as seguintes
características, apresentadas na tabela 11, a seguir:Tabela 11: Resultados da Amostra 2. Dados Finais.
Nº de Observações 384 imóveisVariáveis Estruturais 14Bairros da Amostra 5, sendo
Andaraí 28 imóveisGrajaú 33 imóveis
Maracanã 28 imóveisTijuca 219 imóveis
Vila Isabel 76 imóveisCEP's 15
De posse das variáveis estruturais e das variáveis de localização
(FACILIDD e CEP's), foram buscadas as variáveis de vizinhança, que pudessem ser
relacionadas à percepção de violência criminal, e consequentemente ser precificadas
pelo modelo de preços hedônicos.
No caso do Modelo 2, a hipótese levantada é que a proximidade entre o
imóvel e a área sub normal (favela) seria uma proxy para o impacto da violência
criminal urbana no valor dos imóveis (outra variável que poderia ser utilizada, ao invés
da distância, seria o número de crimes por setor censitário do bairro, mas tal informação
não estava disponível, ou não foi encontrada). A presença de organizações criminosas
nas áreas favelizadas, a freqüente "troca" de tiros (intergrupos criminosos e entre grupos
criminosos e policiais), o tráfico de drogas e o poder paralelo que este gera
(freqüentemente localizado nas áreas sub normais), e a percepção de que a proximidade
dessas áreas gera a sensação de insegurança, foram os fatores que levaram a busca pela
distância entre o imóvel e a área sub normal, como variável que caracterizasse a
violência criminal urbana. GRILICHES (1971, apud BERNDT, 1990) fala, referindo-se
a seu estudo de variáveis de qualidade impactando o preço de automóveis, que muitas
vezes as variáveis de qualidade (ou a característica), empregadas na equação de
regressão hedônica, não são, elas próprias, medidas de qualidade (ou da característica),
mas são, presumidamente, altamente correlacionadas com a percepção de qualidade (ou
78
da característica) do consumidor. Portanto, percepção torna-se um conceito central na
escolha desta variável. Outro fator que vem corroborar com a hipótese apresentada está
presente na opinião de um dos entrevistados (C2), mostrada na tabela 5, onde este indica
que a vista para o morro, ou favela, seria um fator de impacto negativo no preço dos
imóveis, e esta variável é mais provável de ser observada em imóveis próximos a áreas
sub normais. E como já foi citado anteriormente, FREEMAN (1993) salienta a
dificuldade de medição de variáveis ambientais (ou de vizinhança), como o caso aqui
apresentado. CLARK e COSGROVE (1990) acreditam que a medida apropriada de
segurança pública, encarada pelos habitantes de uma localidade, é o grau de segurança
que existe no local das suas residências, e os setores sub normais apresentam
características de insegurança. Assim, por simples dedução lógica, localidades próximas
das áreas sub normais seriam menos seguras que localidades distantes. É certo que a
distância entre as favelas e os imóveis pode ser interpretada de outras formas e as
críticas a esta escolha serão feitas na seção 3.6.3.
Para testar a influência de áreas sub normais nos índices criminais (e com
isso tentar melhorar a justificativa da escolha da distância como variável instrumental),
foram realizados cálculos de correlação e as regressões, descritas no Modelo Adjacente
2.1 (os resultados estão apresentados no item 4.2).
Este procedimento teve como base os comentários e alguns resultados de
CUMMINGS et al. (2001), que citam que uma literatura crescente em economia e em
sociologia tem documentado que há benefícios positivos de viver perto de pessoas
altamente educadas (CASE e KATZ, 1991; CUTLER e GLAESER, 1997; RAUCH,
1993, apud CUMMINGS et al. 2001). Assim, Foi medido o status sócio econômico de
algumas regiões da cidade da Filadélfia, e a taxa de assassinatos per capita. Os
resultados estão apresentados na tabela 12, abaixo:Tabela 12: Resultados obtidos por CUMMINGS et al. (2001), para a Cidade da Filadélfia. Relações entre
Graus de Escolaridade, Pobreza e Assassinatos.
Variável Toda amostra Setores Nehemiah Negros Brancos% de Diplomados 14,7% 5,5% 11,3% 17,6%% em Estado de Pobreza 20,5% 57,9% 27,8% 13,0%Assassinatos por 1000 habitantes 27,5% 86,1% 45,2% 11,7%
Como indicam os números acima, a taxa de crimes decresce com o
aumento da educação e do nível de renda. CLARK e COSGROVE (1990), corroboram
estes resultados, citando que a taxa real de crimes é presumidamente dependente da
79
renda média per capita, o valor médio das propriedades, o número de residentes, o
percentual de adultos jovens, etc. Eles encontraram que o gradiente de crimes são
maiores em cidades grandes, em áreas com baixa renda média.
Com estas observações em mente, destacamos, do mapa do município do
Rio de Janeiro (da seção 1.4. Delimitação) os limites oficiais dos bairros dos imóveis
obtidos junto à imobiliária, presentes na Amostra 2. A figura 2 abaixo mostra, além dos
bairros, o limite oficial das favelas adjacentes.Figura 2: Mapa dos Bairros em Estudo (linha tracejada) e das Favelas Adjacentes (linha cheia).
Para a obtenção de mapas do município do Rio de Janeiro, foi realizada
uma visita ao Instituto Municipal de Urbanismo Pereira Passos (IPP)19, onde foi
adquirido, pelo autor, um software em CD-ROM, intitulado RioAtlas98, de produção do
IPP e da PCRJ. Este software contém diversas informações sobre o município, inclusive
a delimitação oficial das áreas sub normais (favelas), datados do ano de 1997, realizado
por engenheiros cartográficos do próprio IPP, via aerofotolevantamentos do município.
O software contém todos os logradouros do município (eixo do
logradouro, logradouro e nomes), possibilita a redução e aumento da escala de
visualização, a inclusão de dados (ícones, nomes, etc) e contém uma ferramenta para a
medição da distância entre dois pontos determinados. Com o auxílio deste software foi
realizada a medição das distâncias euclidianas (linha reta) entre os imóveis da amostra e
as favelas adjacentes, como indica a metodologia a seguir.
19 Instituto Municipal de Urbanismo Pereira Passos - Rua Gago Coutinho, 52 - Laranjeiras - RJ
FavBair
Tijuca
MaracanãVilaIsabel
AndaraíGrajaú
80
Em primeiro lugar, foram inseridos ícones (círculos) representativos dos
imóveis da Amostra 2, no mapa do município. Este procedimento foi realizado com o
auxílio das ferramentas de mapas Apontador e NetMapas, presentes nos sites
www.apontador.com.br e www.riolistas.com.br, respectivamente. Estas ferramentas não podem
ser editadas e não apresentam a escala, nem ferramentas de medida de linhas retas, além
disso não contém os limites das favelas do município, daí a necessidade de um software
mais específico. O procedimento foi empregado como segue:
1. Era inserido o endereço (logradouro e número do imóvel) no site de mapas;
2. O site de mapas retornava a localização do imóvel no logradouro;
3. Era localizado, no software RioAtlas98, o mesmo local apresentado pelo site de
mapas;
4. Era inserido um ícone naquele local, representando o imóvel em questão.
O procedimento descrito acima foi realizado para todos os imóveis da
amostra, que recebiam um número de identificação para que não fossem perdidos,
durante o procedimento de medida de distâncias.
Como mencionado anteriormente na Revisão de Literatura, a escolha da
variável explicativa mais apropriada é fundamental para uma boa análise de preços
hedônicos (PARSONS, 1990 apud DIXON et al., 1994). A escolha da distância entre as
favelas e os imóveis como variável explicativa, além do fato da percepção de
insegurança, citado anteriormente, foi feita com base nas metodologias empregadas por
WILHELMSSON (2000), ao medir o impacto do ruído do tráfego no valor dos imóveis,
utilizando a distância entre o imóvel e a auto estrada como variável explicativa, e EPPLI
e TU (1999), que também empregaram a distância euclidiana entre imóveis e áreas que
sofreram reurbanização.
O procedimento de medida das distâncias seguiu também a metodologia
encontrada nos trabalhos de DING et al. (2000), MACEDO (1998b) e SIMONS et al.
(1998). Nestes trabalhos, os pesquisadores mediam as distâncias entre o centro
geométrico do objeto de estudo (no caso deste trabalho, o centro geométrico da área sub
normal) e o centro geométrico dos imóveis. Como os imóveis são tratados como pontos
no mapa do município do Rio de Janeiro, os centros geométricos são os próprios pontos.
No caso das áreas sub normais, os centros geométricos foram estimados visualmente,
pelo autor, e foram marcados com um ícone, para que as medidas, pelo menos em
81
termos relativos, fossem semelhantes e o erro da medida, minimizado. O trabalho de
DING et al. (2000) utilizaram a ferramenta GIS, não só para medir as distâncias entre o
objeto de análise e o imóvel, mas também entre todos os pontos. Com esse
procedimento, ele foi capaz de incorporar ao seu modelo a matriz de contigüidade
espacial, e assim implementar a análise de autocorrelação espacial. Porém, devido à
falta de recursos e de escopo, este trabalho não incorporou a análise de autocorrelação
espacial. Outros trabalhos incorporam, além da distância, a proporção de fronteira
comum (CLIFF e ORD, 1973 apud MACEDO 1998b), também deixado de fora deste
trabalho. As áreas sub normais consideradas no estudo não foram apenas aquelas
pertencentes aos bairros do estudo. Imóveis em posições fronteiriças poderiam sofrer a
influência de favelas presentes em outros bairros. Assim, além das favelas dos próprios
bairros, foram consideradas favelas em bairros periféricos e próximas aos imóveis em
questão. Portanto, para a medição das distâncias, foram consideradas 30 favelas, na área
e imediações, que foram marcadas e codificadas (a tabela com o bairro, código e nome
das favelas se encontra no Anexo 5). A tabela 13 mostra o número de favelas por bairro:Tabela 13: Distribuição de Favelas Consideradas por Bairro.
Bairro Nº de Favelas Nº de FavelasTijuca 7 Vila Isabel 2Engenho Novo 5 Alto da Boa Vista 1Andaraí 4 Santo Cristo 1Lins de Vasconcelos 4Grajaú 3Mangueira 3
A identificação que a Tijuca é o bairro que contém o maior número de
favelas era esperada, visto que é o maior bairro, mas Engenho Novo e Andaraí, com
uma área relativamente pequena, apresentam uma concentração relativamente maior no
número de favelas. A figura 3 abaixo mostra o resultado do mapeamento das favelas nos
diferentes bairros, mostrando também o ponto que foi considerado o centróide para a
medição das distâncias:
82
Figura 3: Mapa dos Bairros Pertencentes à Amostra, Favelas Demarcadas e Centróides.
Devido ao elevado número de favelas (30) e o tamanho da amostra de
imóveis (384), a medição manual das distâncias de todas as favelas a todos os imóveis
seria extremamente demandante de tempo (seriam necessárias 11.520 medições), dessa
maneira o procedimento de medição das distâncias seguiu o seguinte critério, foram
escolhidas 4 favelas bem representativas (Morro do Borel, Morro do Salgueiro, Morro
da Mangueira e Morro dos Macacos, indicados no mapa acima), tanto em área, quanto
em população e em destaque na mídia, e foram medidas as distância de todos os imóveis
em relação a estas 4 favelas. Além destas medidas, foi ainda medida a distância entre o
imóvel e a favela mais próxima, que não fosse uma das quatro. Assim, cada imóvel teve
5 medidas de distâncias, perfazendo 1.920 medidas. O Anexo 9 mostra o resultado da
localização de todos os imóveis da amostra, juntamente aos centróides estimados das
favelas adjacentes.
Ao final das medições, a base de dados completa contém 12 variáveis
estruturais, 16 variáveis de localização e 5 variáveis de vizinhança.
Assim, chega-se ao ponto da análise dos dados colhidos, tópico a ser
tratado no próximo item 3.5.
3.5. Análise dos Dados
Os dados foram tratados de acordo com a metodologia de preços
hedônicos, presente na literatura. Após a sua coleta, eles foram enquadrados no modelo
M. do Borel
M. doSalgueiro
M. do Macacos
M. doMangueira
83
de regressão múltipla pertinente, utilizando os softwares Microsoft EXCEL 97 e SPSS
for Windows 10.0.1 para a modelagem quantitativa.
Para o Modelo 1 houve a seguinte forma de análise dos dados e
segregação dos resultados. Calculou-se as estatísticas descritivas e foi realizada uma
análise de out-liers (pela regressão com todas as variáveis independentes e pelo método
enter), que foram posteriormente segregados. Em seguida, foi estruturada uma análise
de correlação entre as variáveis independentes do Modelo 1 para verificar a possível
multicolinearidade, usando como critério o Índice de Tolerância20, mesmo empregando
o método STEPWISE para as regressões. De posse dos resultados da análises
previamente descritas, foram realizadas 12 regressões, pelos critérios apresentados pela
figura 4, abaixo, privilegiando em primeiro lugar a forma funcional da equação de
regressão, posteriormente o método utilizado e em seguida as variáveis independentes a
serem incluídas, com o intuito de verificar a evolução das estatísticas do Modelo 1 (R2
ajustado, F).Figura 4: Regressões Realizadas no Modelo 1, em Níveis: Funcionais, de Método e de Variáveis
Independentes Incluídas na Equação de Regressão.
Em seguida foram selecionadas as equações de regressão que
apresentavam as estatísticas (R2 e F) mais robustas para análise dos resíduos, pelo teste
não paramétrico Kolmogorov-Smirnov, para testar a normalidade da distribuição dos
resíduos.
Para o Modelo 2 foram realizadas as mesmas análises estatísticas
realizadas para o Modelo 1 (out-liers, multicolinearidade e Kolmogorov-Smirnov).
20 Índice de Tolerância = 1-R2. Quanto mais próximo de 1 menor é a colinearidade.
84
Posteriormente, foram realizadas 18 análises de regressão com a função LINEAR,
sendo 9 pelo método ENTER e 9 pelo STEPWISE, nas quais foram incluídas,
individualmente, cada uma das 9 variáveis de vizinhança. Em seguida, foram
selecionadas as equações de regressão cujas variáveis de vizinhança foram incluídas
pelo método STEPWISE. Com elas foram realizadas regressões com a forma funcional
SEMI-LOG, pelo método STEPWISE. Por fim, foi comparada a estatística R2 ajustado
das equações na forma funcional LINEAR e SEMI-LOG e escolhidas aquelas que
apresentavam as estatísticas mais robustas.
Além das ferramentas computacionais e os procedimentos de seleção das
equações de regressão para o tratamento quantitativo, as formas funcionais das equações
de regressão aqui empregadas devem ser descritas.
Na literatura de preços hedônicos, são utilizadas, na maioria dos casos,
quatro formas funcionais para determinar qual delas produz resultados mais acurados.
São elas as formas linear (equivalente a λ = 0, θ = 0 de Box-Cox), semi-log (equivalente
a λ = 1, θ = 0 de Box-Cox), log-log (equivalente a λ = 1, θ = 1 de Box-Cox) e a
transformação de Box-Cox, cujos coeficientes variam entre 0 e 1.
Neste trabalho, foram utilizadas apenas as formas linear, de interpretação
direta (o coeficiente indica diretamente o valor da disposição a pagar marginal pela
característica em questão) e a forma semi-log, que mostra a variação percentual no
preço em função da variação de uma unidade da característica. Não foram utilizadas as
formas log-log e Box-Cox, pois há a inclusão de inúmeras variáveis dicotômicas
(variáveis dummies), que assumem o valor 0 (zero), cujo logaritmo é indeterminado.
Como citado na Revisão de Literatura, LINNEMAN (1980, apud EPPLI e TU, 1999)
sugere que a transformação não é adequada a variáveis independentes que sejam
dicotômicas, como é o caso em ambos os modelos. E não foi utilizada a forma semi
paramétrica (ANGLIN e GENÇAY, 1996) pois foge um pouco do escopo deste trabalho
a busca pela melhor forma funcional.
3.6. Limitações do Método
Além dos problemas já relatados na literatura, como o caráter
experimental e a não indicação da teoria econômica sobre a melhor forma funcional da
equação de preços hedônicos, bem como problemas de autocorrelação espacial e
85
multicolinearidade das variáveis independentes, neste estudo particular podem ser
citados outros vieses metodológicos. Primeiramente serão citados os vieses relativos ao
escopo do estudo, posteriormente, serão listados os vieses de cada modelo
separadamente.
3.6.1. Limitações Gerais
O estudo se restringe ao município do Rio de Janeiro, o que limita a
extrapolação dos resultados para outras áreas e municípios. Além disso, todos os dados
obtidos, para ambos os modelos, se deram por acessibilidade, tornando as amostras
menos homogêneas nas características desejadas.
A heterogeneidade nas observações das amostras leva a necessidade de
inclusão de um número maior de variáveis explicativas, o que aumenta o número de
graus de liberdade do modelo de regressão, exigindo amostras maiores. Porém a
dificuldade de obtenção de dados levou ao uso de amostras relativamente pequenas
comparadas às amostras da literatura (BOWEN et al., 2001, utilizam 1387 observações
em uma amostra e 1054 observações em outra; EPPLI e TU utilizam 2061 observações
e CHAU et al. utilizam 1019 observações, para citar alguns exemplos), bem como a um
reduzido número de variáveis explicativas, principalmente no Modelo 1. Neste estudo
especificamente, principalmente no Modelo 1 que inclui imóveis de vários bairros,
deveria-se fazer uma análise mais crítica dos potenciais out-liers e dessa forma reduzir a
heterogeneidade das observações (mesmo comentário pode ser feito para o Modelo 2)
A falta de uma base de dados organizada e pública tornam onerosos
estudos desta natureza. Além disso, a dinâmica do mercado imobiliário impede que um
maior número de informações seja coletado de forma imediata, devendo o pesquisador
desenvolver um relacionamento de confiança com as imobiliárias para obtê-las.
Outro limite deste estudo, presente de forma geral, está no número de
entrevistas focalizadas (apenas 2 entrevistados). As entrevistas tinham o objetivo de
buscar informações subjetivas a respeitos de propriedades residenciais, e portanto, a
opinião de um número maior de indivíduos revelaria uma amplitude maior de
percepções sobre a formação de preços, fato que tenderia a ajudar na escolha de
variáveis de teste.
Vale destacar que ambos os modelos incorporam variáveis independentes
colineares (a ser explorado no capítulo de Resultados), fato que pode gerar problemas
86
na variância nos resultados obtidos. Tentou-se, neste estudo reduzir o efeito de
colinearidade das variáveis independentes pelo uso do método STEPWISE, porém
variáveis com índices de tolerância relativamente baixos foram incluídas nas equações
de regressão. Tentou-se utilizar a variável preço/m2, como variável independente, para
tentar reduzir a multicolinearidade, mas pelos resultados das estatística R2 e F, optou-se
em manter os modelos originais.
Por fim, o uso de uma quantidade muito grande de variáveis dummies
(principalmente no caso do Modelo 2, para as variáveis dos CEP's) pode causar o viés
de particularizar de forma muito acentuada os dados.
Podemos agora particularizar as críticas aos dois modelos utilizados,
começando pelas críticas referentes ao Modelo 1.
3.6.2. Limitações - Modelo 1
Primeiramente algumas críticas podem ser feitas aos dados relativos aos
imóveis presentes na Amostra 1. A variável dependente no modelo de preços hedônicos
deveria ser o preço de venda efetivo do bem, pois este refletiria o preço de equilíbrio
(oferta e demanda) pelo bem e, em conseqüência, pela característica estudada (DIXON
et al., 1994). Porém, a amostra foi montada com dados de preços ofertados, ou seja, sob
o ponto de vista do vendedor, não incorporando o lado da demanda e assim não é
medido o impacto nos valores dos imóveis negociados e sim a disposição em reduzir o
preço de venda pela percepção da externalidade negativa.
A segunda crítica importante em relação aos dados dos imóveis da
Amostra 1 tem como causa, novamente, acessibilidade. Foram conseguidos imóveis de
apenas 12 bairros, de um total de 158 (ou 7,6% do total de bairros), cujos residentes
somados representam cerca de 15% da população do município. Esta amostra não está
estratificada proporcionalmente à população, além de apresentar bairros muito
semelhantes entre si, como Tijuca, Grajaú e Maracanã; e Lagoa, Ipanema e Leblon.
Além disso, não é certo que os bairros dos imóveis respeitaram os limites oficiais de
bairros, pois anúncios não trazem o logradouro do imóvel, não sendo possível localizá-
los de forma mais precisa. Além disso, o Modelo 1 desconsidera a heterogeneidade
intrabairros (proximidade do mar, em Ipanema, por exemplo).
Como a seleção das observações foi feita em jornais e sites,
simultaneamente, podem ter ocorrido repetições de observações, de difícil identificação,
87
viesando ainda mais a amostra. Com o aumento do número de jornais e sites para a
pesquisa, torna-se possível aumentar a amostra em questão, porém pode-se aumentar o
número de observações repetidas. A forma mais próxima da ideal seria obter dados de
imóveis diretamente das imobiliárias que atuam em cada bairro, de transações efetivas,
buscando identificar de forma mais precisa as características de cada imóvel.
Em relação às variáveis de vizinhança, as principais críticas podem ser
feitas, primeiramente, ao fato dos crimes apresentados serem divididos por AISP. Dessa
forma, os dados estão muito agregados (de diferentes bairros somados) o que implica na
redução de sensibilidade do preço do imóvel à variável de vizinhança. Aliado a este
fato, o pequeno número de bairros gera uma redução ainda maior nos dados de crimes.
Assim, um detalhamento do número de crimes por bairro, juntamente a um maior
número bairros (ou setor censitários) traria mais relevância às variáveis de vizinhança,
implicando nos resultados obtidos.
Com estas observações feitas, pode-se apontar as críticas ao Modelo 2,
particularmente diferente do modelo anterior.
3.6.3. Limitações - Modelo 2
Apesar dos dados da Amostra 2 serem mais precisos que os dados da
Amostra 1, algumas críticas podem ser feitas em relação as variáveis estruturais, obtidas
pelos laudos da imobiliária.
Em primeiro lugar, a amostra foi coletada do período de Junho de 2000
até Janeiro de 2002, não tendo sido considerada a variável temporal no modelo. Em seu
trabalho, WILHELMSSON (2000) dividiu sua amostra inicial (de 1986 a 1995) em dois
períodos (de 1986 a 1989 e de 1990 a 1995), obtendo diferenças significativas nos
coeficientes das variáveis independentes. Apesar do período da amostra de
WILHELMSSON (2000) ter uma amplitude temporal maior que o da Amostra 2, o
efeito temporal pode ser significativo, e a inclusão de novas observações pode forçar a
inclusão da variável temporal no modelo de preços hedônicos.
Como o foco do estudo é o bairro da Tijuca, o número de observações da
Amostra 2 deveria ser maior, e voltados ao bairro da Tijuca, pois a Amostra 2 contém
imóveis de bairros adjacentes. Para tanto, um número maior de imobiliárias deveria ser
pesquisado. Além disso, o modelo deveria incluir mais variáveis locacionais,
individualizadas, ao invés do CEP, como qualidade de construção, variáveis de
88
comodidade em relação a comércio, escolas etc. Para tanto uma pesquisa de campo mais
abrangente poderia ser realizada, observando características dos imóveis in locus.
As críticas mais relevantes ao Modelo 2 podem ser feitas à variável de
teste, distância entre o imóvel e a área sub normal. Como citado anteriormente,
MACEDO (1998b) sugere que a existência de construções de baixo padrão, na
vizinhança de uma área qualquer, faz com que haja uma tendência a se manter tal nível
de construção no mesmo local. Esta posição é corroborada por BOWEN et al. (2001)
que citam que o preço de venda de uma casa específica, pode ser similar ao de uma
observação localizada proximamente àquela, por razões outras que não as
explicitamente incorporadas ao modelo. Sendo assim, a variável distância poderia não
ser encarada como a proxy do custo da violência urbana nos imóveis, mas sim uma
influência da dependência espacial. Porém, devido aos resultados apresentados nas
tabelas 16 e 17 (p. 91 e 92), não se pode rejeitar totalmente a hipótese de influência do
número de favelas no número de crimes, sugerindo que estudos mais detalhados sejam
realizados para identificar esta relação.
Ainda em relação à variável distância, pode-se dizer que esta seja uma
medida incompleta da influência da área sub normal no preço dos imóveis. Como no
trabalho de CLIFF e ORD (1973, apud MACEDO, 1996 b) que usa uma combinação de
distância entre duas entidades espaciais e a proporção de fronteira comum entre elas,
para medir esta influência. Assim, além da distância, outras variáveis poderiam ser
incluídas no Modelo 2, sugerindo não apenas proximidade, mas também exposição do
imóvel as áreas sub normais, como vista do morro, ou ainda ângulo de visão e
exposição às favelas, medidas in locus. Outra variável poderia ser a distância do
caminho (pelos logradouros) entre os imóveis e a favela, neste caso, talvez, em relação à
fronteira da área sub normal.
Caso a distância entre os centróides das favelas e os imóveis possa ser
considerada uma proxy do custo da violência criminal urbana, aqueles poderiam ser
calculados, ao invés de estimados visualmente, para melhorar a acurácia da medida. A
inclusão de técnicas de econometria espacial, ou estatística espacial no Modelo 2 seria
um complemento metodológico em busca de melhores estimativas.
O Modelo Adjacente 2.1, que busca suscitar a variável distância entre
imóvel e favela como proxy do impacto da violência, merece destaque. A análise de
89
regressão entre variáveis sócio econômicas e criminais por bairros deveria ser
aprimorada, através destes procedimentos: deve-se buscar uma variável, que não seja o
número de favelas no bairro, mas população favelada, ou área (em m2 ou %) de favelas
dentro de cada bairro, pois o número de favelas concede o mesmo peso para uma favela
muito pequena e uma muito grande, sendo que a violência potencial, deve ser maior em
uma favela maior; os dados de crimes deveriam ser mais minuciosos, indicando os
bairros que os crimes foram cometidos e não as DP's que foram registrados; e por fim, o
número de bairros deveria ser aumentado, reduzindo o erro padrão da regressão.
Como comentário final desta seção, cita-se CLIFF e ORD (1973, apud
MACEDO, 1996b) que explicitam que é realmente custosa e trabalhosa a obtenção e
tratamento dos dados de distâncias. E que não se trata neste trabalho de tentar buscar, a
qualquer preço, uma relação entre a distância e o custo da violência criminal urbana,
mas apenas tentar evidenciar uma relação que parece intuitiva (comentário do autor).
Com vistas nas Limitações apresentadas acima, pode-se olhar com
critério para os Resultados, assunto do capítulo seguinte.
90
4. RESULTADOSPara explorar os resultados dos dois modelos, certamente que a separação
entre ambos é necessária, porém sem perder de vista que em ambos busca-se medir o
impacto da violência criminal urbana no valor dos imóveis.
Dessa forma, serão apresentadas, seqüencialmente, as estatísticas
descritivas, as análises de out-liers das amostras, as tabelas de correlações das variáveis
independentes e o Índice de Tolerância e, posteriormente, os resultados das regressões
de ambos os modelos, bem como as análises subsequentes.
O item a seguir mostra os resultados obtidos para o Modelo 1.
4.1. Resultados - Modelo 1.A tabela 14 abaixo mostra o resumo de toda a Amostra 1, indicado por
suas estatísticas descritivas.Tabela 14: Estatísticas Descritivas das Variáveis da Amostra 1.
Variável Média Mediana Máximo Mínimo DesvioPadrão
Curtose Assimetria
PRECO 397.410 225.000 5.000.000 20.000 543.506 21,86 4,03AREA 142 115 580 22 91,91 4,84 2,00QUARTO 2,7 3,0 5,0 0,5* 0,94 -0,29 0,00SUITE 0,8 1,0 5,0 0,0 0,89 2,49 1,40GARAGE 1,3 1,0 6,0 0,0 0,99 1,08 0,87ANDAR 1,1 1,0 3,0 1,0 0,29 13,95 3,69LAVABO 0,2 0,0 1,0 0,0 0,43 -0,54 1,21COBERT** -------- -------- -------- -------- -------- -------- --------LAZER** -------- -------- -------- -------- -------- -------- --------BAIRROS** -------- -------- -------- -------- -------- -------- --------CCV 1.662 1.500 3.802 944 739 3,08 1,83CCP 5.652 5.031 7.915 3.758 1.503 -1,22 0,44CLD 182 187 288 73 73 -1,22 -0,16EC 21 20 36 7 10 -1,05 0,22PDA 55 57 92 33 16 -0,01 0,49
AMOSTRA 720 Observações*Refere-se a apartamentoconjugado** Variáveisdummies
As estatísticas descritivas, principalmente do preço de oferta, mostram
uma amostra concentrada em imóveis de valor menor que a média (observar mediana),
porém com grande dispersão, indicada pela elevada curtose e pelo alto desvio padrão da
amostra. Apesar deste fato dever-se aos diferentes tipos de imóveis presentes, bem
como a variedade dos bairros pesquisados, deve ser feita uma análise de out-liers desta
91
amostra para evitar que haja distorções nas estatísticas R2 e F das equações de
regressão. Para tanto, foi realizada uma regressão preliminar, pelo método ENTER e
função LINEAR, buscando medir o Índice de Cook's e os resíduos padronizados. O
índice de Cook's é, pela literatura pesquisada (BENSON et al., 2002), a melhor medida
para identificar os potenciais out-liers em uma amostra. Por estes dois critérios, obteve-
se a lista abaixo de 7 potenciais out-liers, apresentados na tabela 15:Tabela 15: Potenciais out-liers da Amostra 1, pelos critérios Resíduos Padronizados e Índice de Cook's.
Como não há, na literatura, uma regra para determinar exatamente quais
são os out-liers de uma amostra, e este procedimento passar pelo julgamento qualitativo
do pesquisador, estas observações foram retiradas da Amostra 1, por terem sido
consideradas out-liers potenciais. Mesmo com a retirada destas observações, o autor
entende que há espaço para a retirada de mais observações discrepantes (outros imóveis
dos bairros Leblon e Ipanema que são muito diferentes do restante da amostra), porém
não foram retiradas mais observações para evitar que se molde a amostra tornando-a
muito homogenea. Este tópico será mais abordado no item Limitações do Método.
Após o filtro dos potenciais out-liers, outra análise realizada estendeu-se
sobre a multicolinearidade das variáveis independentes. Com esse fim, foi calculada a
matriz de correlação (Anexo 10) das variáveis independentes e, posteriormente, os
índices de tolerância. Sobre o índice de tolerância, os autores divergem em um valor
específico para servir de critério para substituição de uma variável independente, mas é
encontrado na literatura que índices abaixo de 25% seriam indicativos de forte
multicolinearidade. Portanto, os índices de tolerância calculados foram segregados na
tabela 16, abaixo, para posterior discussão, perante os resultados das regressões
realizadas:
92
Tabela 16: Índices de Tolerância das Variáveis Independentes do Modelo 1.
Variável Independente Índice de TolerânciaÁrea 28%
Quartos 46%Suites 46%
Garagem 38%Andar 59%
Cobertura 45%
Após as regressões, o modelo escolhido foi confrontado com os
resultados presentes na tabela 16 para medir a coerência das variáveis explicativas
incluídas no modelo, bem como a aderência à premissa de normalidade dos resíduos.
Portanto, para uma melhor compreensão da amostra e das decisões que
levaram ao método e forma funcional escolhidos, deve-se passar a análise da tabela 17
(abaixo), que apresenta o resumo das regressões realizadas pelo Modelo 1. O resultado
de todas as regressões encontram-se nos Anexos 11 a 14.Tabela 17: Resumos das Regressões do Modelo 1. Regressões com Função LINEAR e SEMI-LOG, pelos
Métodos ENTER e STEPWISE.
93
A tabela com o resumo das regressões apresenta-se em dois quadros
principais (na vertical), definidos pelas formas funcionais que seguiram (LINEAR e
SEMI-LOG, quadros da direita e esquerda, respectivamente). Em seguida, cada quadro
foi divido em ENTER e STEPWISE, sugerindo o método de regressão empregado,
apresentando os níveis de significância (p-values) e os coeficientes de cada variável.
Na direção horizontal (de cima para baixo), tem-se o quadro dividido em
resultados de R2 ajustado e estatística F, passando em seguida às variáveis estruturais,
de localização e finalmente nas variáveis de vizinhança (variáveis instrumentais). Após
o quadro principal, são mostradas as estatísticas Kolmogorov-Smirnov (que mede a
normalidade da distribuição dos resíduos).
Para iniciar a análise dos resultados do Modelo 1, deve-se atentar para a
leitura da esquerda para a direita das linhas R2 ajustado e F. Estas estatísticas mostram o
poder explicativo do Modelo 1, para a variável preço, dos imóveis da Amostra 1. Pode-
se notar que, mesmo no modelo utilizando a função LINEAR, os resultados dessas duas
estatísticas são elevados (R2 ajustado = 77% e F = 126 e F = 215, métodos ENTER e
STEPWISE, respectivamente). Porém há uma melhora significativa destas estatísticas
quando ocorre a mudança da forma funcional de LINEAR para SEMI-LOG. O R2
ajustado passa para 88% e a estatística F para 389, no método STEPWISE.
Outra constatação encontrada nos resultados obtidos é que há melhora
nas estatísticas do modelo (R2 ajustado e, principalmente, estatística F) quando da
inclusão das variáveis de localização e variáveis de vizinhança (ver Anexo 14). Para a
regressão apenas com as variáveis estruturais (método STEPWISE / equação SEMI-
LOG) o R2 ajustado foi igual a 64% e F = 212. Com a inclusão das variáveis de
localização R2 ajustado = 88% e F = 341. Posteriormente, com a inclusão das variáveis
de vizinhança R2 ajustado permaneceu constante e F = 389, o que induz à hipótese que
estas variáveis são relevantes na determinação do preço dos imóveis. Apesar da melhora
da estatística F, esta não é comparável a não ser que o número de variáveis incluídas nos
modelos seja o mesmo. Sendo assim, quando há referência à melhora desta estatística,
não se está falando em melhora comparativamente, mas sim individualmente.
Passando para a análise das estatísticas de Kolmogorov-Smirnov, obtém-
se a mesma mudança que nas estatísticas R2 e F, quando se avança da esquerda para a
direita na tabela 17.
94
Para a hipótese de normalidade da distribuição dos resíduos, deve-se
analisar, comparativamente a linha "K-S Empírico" versus a linha "K-S Teórico". A
segunda indica, para um nível de significância a 10%, qual é a distância máxima entre a
curva de probabilidade acumulada da distribuição normal teórica em relação à empírica.
Observando os resultados desta estatística, tem-se que em nenhum dos modelos, pode-
se inferir a normalidade da distribuição dos resíduos. Porém, a mesma evolução
observada anteriormente (da esquerda para a direita na tabela) está presente nesta
estatística. O modelo de regressão SEMI-LOG e STEPWISE apresenta a distância K-S
empírica mais próxima da teórica, o que indica para a distribuição dos resíduos, maior
proximidade de uma distribuição normal, em relação às demais regressões.
Tais resultados indicam que a equação de regressão na função SEMI-
LOG pelo método STEPWISE é a que apresenta estatísticas mais robustas com as
premissas da análise de regressão, sendo, dessa forma, selecionada para a análise das
variáveis independentes e dos seus coeficientes.
Observando as variáveis independentes da equação selecionada (SEMI-
LOG / STEPWISE), tem-se que todas as variáveis estruturais incluídas no modelo
apresentam coeficientes de regressão com os sinais esperados (positivos) e
significativos a 5%. Nas variáveis de localização tem-se alguns coeficientes com sinais
contra intuitivos. Apesar de não indicado na formalização do Modelo 1 (tabela 4),
esperavam-se sinais positivos para as variáveis lagoa, barra e recreio (por serem bairros
valorizados) e negativo para a variável tijuca. No caso das variáveis de vizinhança
(variáveis criminais), as variáveis incluídas na equação (ccp e pda) apresentam
coeficientes negativos e significativos a 5%, como esperado.
Quanto à adequação entre a equação de regressão escolhida (SEMI-LOG
/ STEPWISE) e a colinearidade das variáveis independentes, deve-se voltar a tabela 16 e
analisar as variáveis incluídas no Modelo 1, com relação ao índice de tolerância.
Das variáveis estruturais, as variáveis que apresentam menor índice de
tolerância são área (0,28) e garagem (0,38). Ambas as variáveis são incluídas no modelo
de regressão pelo método STEPWISE, que neste caso não filtrou todas as colinearidades.
Apesar da colinearidade dessas variáveis, optou-se por mantê-las no modelo devido aos
coeficientes estatisticamente significativos e com sinais coerentes ao esperado, mesmo
95
sabendo do possível viés incorrido pela multicolinearidade. No item de Limitações do
Método são feitos comentários a cerca da multicolinearidade das variáveis.
Os resultados do Modelo 1 estão em consonância com os resultados
obtidos por CUMMINGS et al. (2001), cujo aumento nos crimes, medido por
assassinatos, resulta em um decréscimo nos preços dos imóveis. Em seu estudo, um
aumento de 1 crime por 1000 habitantes decresce o preço dos imóveis em 60,6%
(coeficiente da regressão para a variável, significante a 10%). CUMMINGS et al.
(2001) utilizaram a forma semi-log em seu modelo de regressão, como na equação
selecionada no Modelo 1 (a mesma da equação de regressão escolhida para análise).
Os resultados estão em acordo, também, com os encontrados por
CLARK e COSGROVE (1990), cujo modelo mostra que medidas de crimes urbanos
são variáveis determinantes nos preços de imóveis interurbanos. Em seu estudo, a
variável PSAFETY, que mede o nível de segurança pública foi positiva e significativa.
Assim, para o Modelo 1, pode-se inferir que a forma funcional SEMI-
LOG apresenta melhor desempenho na obtenção do preço por cada característica do
imóvel, sugerindo também que os números da violência criminal urbana são
significativos e negativamente impactantes no valor dos imóveis.
Tendo em vista os vieses presentes no modelo e tendo cuidados em
extrapolações para além da amostra selecionada, em termos formais, o modelo mostra
que: para cada crime contra o patrimônio (ccp) no bairro do imóvel, há uma perda de
0,006% no seu valor e para cada ocorrência de porte e disparo de armas (pda) há uma
perda de 1,2% no valor do imóvel.
Tendo formalizados os resultados estatísticos do Modelo 1 e analisados
os resultados dos coeficientes dos modelos de regressão, pode-se prosseguir passando
para os resultados obtidos com o Modelo Adjacente 2 e Modelo 2.1, tema do item 4.2,
abaixo.
4.2. Resultados - Modelo Adjacente 2.1.Antes de iniciar a análise dos resultados do Modelo 2 propriamente ditos,
são analisados os resultados do Modelo Adjacente 2.1, buscando indicar respostas (ou
caminhos de possíveis respostas) das questões adjacentes 1 e 2. Estas questões, apesar
de não fazerem parte do escopo central deste trabalho, merecem, ao menos, uma
96
pequena análise, mesmo que para suscitar a discussão quanto à variável instrumental
utilizada (no Modelo 2) para medir o impacto da violência criminal urbana.
Inicialmente, buscou-se testar as correlações entre variáveis sócio
econômicas e variáveis criminais. Foi composta uma amostra com 29 bairros da cidade
e as variáveis criminais foram obtidas pelo portal do Governo do Estado do Rio de
Janeiro. O número total de crimes de cada variável criminal do ano 2001, por DP, foi
relacionado ao bairro que a DP está instalada. A população de cada bairro foi obtida
pelo Censo 2000 (IBGE), através do site da PCRJ (Armazém de Dados). Os dados de
renda média e índice de alfabetização foram obtidos pelo software RioAtlas98 e o
número de favelas por bairro foi contabilizado diretamente pelo mapa do município do
Rio de Janeiro, através do mesmo software. A tabela 18 abaixo apresenta os resultados
obtidos para as correlações (os dados utilizados encontram-se no Anexo 4).Tabela 18: Correlação entre Variáveis Sócio Econômicas (Nº de Favelas, Renda Média, População e
Índice de Alfabetização) e as Variáveis Criminais, por Bairro da Cidade do Rio de Janeiro, no Ano 2001.
Os problemas com os dados desta amostra são descritos na seção de
Limitações do Método. Os resultados indicam correlação positiva entre o número de
favelas e quase todas as variáveis criminais, exceto veículos furtados, roubo em
instituição financeira e seqüestro, sugerindo que para um maior número de favelas há
um maior número de crimes em uma dada região.
Em linha com os resultados anteriores, tem-se que (de um modo geral) as
correlações entre renda média e as variáveis criminais, de um bairro, mostram
resultados intuitivos em relação ao sinal da correlação (aumento de renda média e
diminuição de crimes contra a vida e aumento de crimes contra o patrimônio, sendo a
correlação entre renda média e número de favelas negativa, como esperado). É
97
interessante notar também que a correlação entre população e número de favelas é 0,68,
dando algum fundamento estatístico às colocações de GIZEWSKI e HOMER-DIXON
(1995), apresentadas no capítulo de Revisão de Literatura sobre o tema aumento da
população, aumento das desigualdades sociais e da marginalidade.
Deve-se, portanto, analisar as 5 regressões propostas pelo Modelo
Adjacente 2.1. Abaixo, na tabela 19, estão os resultados das regressões (R2 ajust,
estatística F, níveis de significância e coeficientes), entre a variável criminal homicídios
dolosos (variável dependente) e as variáveis sócio econômicas: número de favelas;
população; renda média; e índice de alfabetização (variáveis independentes). Como
formalizado no capítulo Metodologia, primeiramente é apresentada a regressão
múltipla, incluindo todas as variáveis sócio econômicas (regressão 1) e em seguida as
regressões simples (de 2 a 5).Tabela 19: Regressões entre a Variável Criminal (Homicídios Dolosos) - Variável Dependente - e as
Variáveis Sócio Econômicas - Nº de Favelas, Renda Média, Índice de Alfabetização e População
(Variáveis Independentes), por Bairros do Município do Rio de Janeiro, no Ano 2001.
A regressão 1 apresenta R2 ajustado e estatística F relativamente
elevados, indicando que o modelo apresenta poder explicativo para a variável criminal
homicídios dolosos. Os coeficientes das variáveis sócio econômicas são significativos à
5%, porém o sinal negativo para os coeficientes das variáveis nº de favelas e índice de
alfabetização são contrários aos esperados.
Nas regressões 2 a 5, todos os coeficientes são significativos a 5% e
todos apresentam sinais como o esperado, positivos para nº de favelas e população e
negativos para renda média e índice de alfabetização. Os comentários e possíveis
inferências a respeito desses resultados (e como eles influenciam a variável instrumental
do Modelo 2) serão mais detalhados no capítulo Conclusões, porém pode-se dizer que,
por estes resultados obtidos é difícil inferir relações palpáveis entre a variável distância
de uma dada favela e impacto da violência criminal urbana. Porém, os resultados
suscitam a possíveis interações entre nível de renda (e favelas são áreas de baixa renda)
98
e índices criminais (geralmente mais elevados nessas áreas). Estes resultados apontam
(de forma não conclusiva) para o que era esperado intuitivamente, que áreas faveladas
seriam mais suscetíveis a ocorrências criminais e, trazendo essas hipóteses para a
questão da variável instrumental, apresentada no Modelo 2, as áreas mais próximas às
áreas faveladas seriam mais suscetíveis às influências negativas de práticas criminosas.
Portanto, tendo levantado a questão relacionada à qualidade e validade da
variável instrumental do Modelo 2 com os resultados do Modelo Adjacente 2.1, podem
ser apresentados e analisados os resultados do Modelo 2, assunto do próximo item (4.3).
4.3. Resultados - Modelo 2.Para apresentar os resultados obtidos pelo Modelo 2, este item foi
dividido em 4 etapas. Primeiramente são apresentadas as estatísticas descritivas da
Amostra 2, configurando sua dispersão e a posterior análise de potenciais out-liers
presentes na amostra (mesmo tratamento dispensado no Modelo 1). Em segundo lugar,
são mostrados os resultados da análise de regressão que visa identificar a
homogeneidade entre os bairros do que foi denominado "Grande Tijuca" (sendo que o
Modelo 2 procurou controlar a segmentação espacial pela inclusão das variáveis
dummies dos CEP's). Em seguida, são mostrados os resultados comparativos das
estatísticas (R2 ajustado e F) entre as formas funcionais LINEAR e SEMI-LOG, bem
como os resultados da estatística de Kolmogorov-Smirnov. E, por fim, são analisadas a
multicolinearidade entre as variáveis independentes incluídas nas equações de regressão
(índice de tolerância) e os coeficientes das regressões selecionadas, sendo, finalmente,
escolhida a equação que melhor represente o Modelo 2.
Portanto, para seguir o arcabouço supracitado, na tabela 20 abaixo
encontram-se as estatísticas descritivas da Amostra 2.
99
Tabela 20: Estatísticas Descritivas das Variáveis da Amostra 2.
Variável Média Mediana Máximo Mínimo DesvioPadrão
Curtose Assimetria
PRECO 112.287 100.000 400.000 35.000 54.685 3,58 1,66IDADE 21 20 64 1 11,0 0,15 0,29QUARTOS 2,2 2 6 1 0,8 1,53 0,73SUITES 0,5 0 2 0 0,5 -1,09 0,47BANSOC 1,1 1 4 0 0,4 10,69 2,85LAVABO 0,1 0 2 0 0,3 11,96 3,52BANHO 1,2 1 5 0 0,5 11,16 2,94ANDAR 4 4 16 1 3,0 1,73 1,30POSICAO* ------- ------- ------- ------- ------- ------- -------AREAUT 88 80 420 18 40,3 18,91 3,26VAGAS 1 1 6 0 0,8 4,97 1,15SAUNA* ------- ------- ------- ------- ------- ------- -------PLAY* ------- ------- ------- ------- ------- ------- -------PISCINA* ------- ------- ------- ------- ------- ------- -------FACILIDD* ------- ------- ------- ------- ------- ------- -------CEP's* ------- ------- ------- ------- ------- ------- -------BOR_KM 2,5 2,4 5,2 0,4 1,0 -0,28 0,30SAL_KM 1,9 1,8 5,2 0,3 1,0 0,07 0,74MAC_KM 2,4 2,4 5,0 0,4 0,9 -0,57 -0,08MANG_KM 2,5 2,6 5,0 0,5 0,7 0,66 0,14FAV5_KM 0,9 0,9 1,7 0,2 0,3 -0,71 0,12DMIN_KM 0,9 0,8 1,7 0,2 0,3 -0,68 0,35PRODTOT 21,8 14,0 180,4 0,9 26,3 14,50 3,45PROD_4 24,4 16,7 172,6 5,0 22,3 15,72 3,60DMIN4_KM 1,2 1,2 2,4 0,3 0,4 -0,55 0,03
AMOSTRA 384 Observações*Variáveisdummies.
A dispersão dos preços presente nesta amostra de imóveis é menor que
na Amostra 1, o que era esperado, dado que esta amostra contém imóveis do mesmo
bairro (ou da mesma região). Para poder-se inferir que dos imóveis desta amostra não há
potenciais out-liers ou que apresentem diferenças significativas em função do bairro a
que pertencem, e com isso estabelecer o conceito de "Grande Tijuca", primeiramente foi
realizada uma regressão (método ENTER e função LINEAR) para medir-se o índice de
Cook's e os resíduos padronizados e, a seguir, outra regressão utilizando os limites
oficiais dos bairros Tijuca, Vila Isabel, Grajaú, Maracanã, Andaraí. Para a segunda
regressão, cada bairro foi representado por uma variável dummy, tendo a Tijuca como
referência. Como há diferenças no número de imóveis por bairro, foi utilizada para a
regressão uma amostra com 28 imóveis de cada bairro (número de imóveis dos bairros
com menos imóveis na amostra, Andaraí e Maracanã). Dos bairros Grajaú, Tijuca e Vila
100
Isabel, foram sorteados aleatoriamente 28 imóveis para compor a amostra, com igual
probabilidade de sorteio.
Como resultado da análise de potenciais out-liers na Amostra 2, foram
selecionados 9 observações, que apresentavam elevados resíduos padronizados e os
índices de cook's mais elevados. Pela tabela 21 abaixo, pode-se observar que o imóvel
com 420 m2 apresenta índice de cook's 3 vezes superior ao demais, tendo sido dessa
forma retirado da amostra como potencial out-lier. O mesmo comentário feito para a
Amostra 1 sobre os potenciais out-liers pode ser feito para a Amostra 2, ou seja, há
espaço para mais cortes, mas pelas mesmas razões descritas acima, optou-se por manter
mais observações.Tabela 21: Potenciais out-liers da Amostra 2, pelos critérios Resíduos Padronizados e Índice de Cook's.
Em seguida a retirada do potencial out-lier da Amostra 2, procedeu-se a
regressão com o intuito de verificar a homogeneidade dos imóveis de diferentes bairros
adjacentes e verificar se há coerência na denominação de "Grande Tijuca", proposta
neste estudo. Dessa forma, foram realizadas 2 regressões, uma pelo método ENTER e
outra pelo método STEPWISE, para verificar se os coeficientes das variáveis dummies
seriam significativos, mostrando segmentação entre os bairros. O resultado da
regressão, pelo método ENTER, está apresentado na tabela 22, abaixo:
101
Tabela 22: Regressão dos Bairros Tijuca, Grajaú, Vila Isabel, Maracanã e Andaraí, ENTER - LINEAR.R múltiplo R2 R2 Ajustado Erro Padrão
89,7% 80,5% 77,6% 22.081
ANOVA SQ GL MQ F F de Sig.Regressão 2,4E+11 18 1,4E+10 27,75 0,0%Resíduo 5,9E+10 121 4,9E+08
Total 3,0E+11 139
Coeficiente S t-Stat. p-value(Constant) 37.406 13.104 2,85 0,5%
IDADE (653) 284 (2,30) 2,3%QUARTOS 10.892 4.033 2,70 0,8%
SUITES 9.450 5.029 1,88 6,3%BANSOC (1.164) 7.760 (0,15) 88,1%LAVABO 27.280 7.835 3,48 0,1%ANDAR (26) 731 (0,04) 97,2%
POSICAO 735 4.328 0,17 86,5%AREAUT 366 84 4,35 0,0%VAGAS 20.800 4.320 4,81 0,0%SAUNA 20 9.432 0,00 99,8%PLAY (10.741) 6.221 (1,73) 8,7%
PISCINA 11.017 9.681 1,14 25,7%FACILIDD (2.697) 5.476 (0,49) 62,3%
VILA (27.602) 6.485 (4,26) 0,0%GRAJAU (19.654) 6.206 (3,17) 0,2%MARACA (15.439) 6.567 (2,35) 2,0%ANDARAI (25.729) 6.328 (4,07) 0,0%
Os coeficientes dos bairros aparecem negativos e significativos a 5%,
indicando segmentação entre os bairros. Pelo método STEPWISE, porém as variáveis
não permaneceram significativas e incluídas no modelo, como na presente na tabela 23:Tabela 23: Resultado da Regressão entre os Bairros Tijuca, Grajaú, Vila Isabel, Maracanã e Andaraí,
Método STEPWISE - Função LINEAR.R múltiplo R2 R2 Ajustado Erro Padrão
86,7% 75,2% 74,0% 23.768
ANOVA SQ GL MQ F F de Sig.Regressão 2,3E+11 6 3,8E+10 67,10 0,0%Resíduo 7,5E+10 133 5,6E+08
Total 3,0E+11 139
Coeficiente S t-Stat. p-value(Constant) (1.761) 7.930 (0,22) 82,5%AREAUT 358 82 4,35 0,0%VAGAS 23.092 3.588 6,44 0,0%
QUARTOS 12.374 4.176 2,96 0,4%LAVABO 30.745 7.556 4,07 0,0%PISCINA 19.100 5.588 3,42 0,1%
102
Observando o R2 ajustado das duas regressões, nota-se que não houve
mudança significativa (de 77% para 74%), porém a estatística F passou de 27,8 para
67,1, mostrando aumento de poder explicativo do conjunto das variáveis da regressão da
tabela 23. Nesta mesma tabela, nota-se que as variáveis dummies dos bairros foram
excluídas do modelo. Assim, a segunda regressão indica que não se pode aceitar a
hipótese de diferenças entre os bairros.
Devido à melhora na estatística F, mostrada pelo método STEPWISE,
optou-se por manter o Modelo 2 como o estabelecido anteriormente, na seção Análise
de Dados, deixando a análise de segmentação para as variáveis dummies dos CEP's de
cada imóvel, e portanto deixando os imóveis da Amostra 2 tratados como pertencentes à
"Grande Tijuca", estando sujeitos à segmentação em sub regiões, definidas pelos CEP's.
Dessa forma, pode-se iniciar a análise das regressões realizadas com a
Amostra 2, incluindo as variáveis de teste distância entre imóveis e favelas. Com o
mesmo procedimento realizado no Modelo 1, foram tratadas as análises das estatísticas
Kolmogorov-Smirnov e, posteriormente, calculadas as matrizes de correlação e índice
de tolerância entre as variáveis independentes (Anexo 15).
Foram realizadas 9 regressões, em cada método (ENTER e STEPWISE),
pela forma funcional LINEAR. Em cada regressão foi incluída individualmente uma
variável de vizinhança, para se analisar o efeito que cada uma delas teria sobre o preço
do imóvel. Após as regressões pelo método STEPWISE, foram realizadas regressões
pela forma funcional SEMI-LOG, com as variáveis de vizinhança que apresentaram
significância a 5% e que foram incluídas no modelo. As regressões na forma funcional
SEMI-LOG tiveram por objetivo verificar se haveria melhora nas estatísticas do
modelo, como ocorreu na análise do Modelo 1. As regressões na forma SEMI-LOG
foram realizadas somente pelo método STEPWISE.
As tabelas com os resultados de todas as regressões estão agrupadas em
anexo (Anexos 16 a 20). Como pode-se ver na tabela 25, 5 foram as variáveis de
vizinhança consideradas nas equações de regressão pelo método STEPWISE (Morros do
Salgueiro - SAL_KM; Macaco - MAC_KM; a 5ª favela mais próxima - FAV5_KM, a
favela de distância mínima entre as 5 - DMIN_KM e a favela de distância mínima entre
as 4 principais - DMIN4_KM). Dessa forma, foram realizadas 5 regressões com as
mesmas variáveis de vizinhança, sendo que desta vez a função utilizada foi a SEMI-
103
LOG. A tabela 24 abaixo mostra o comparativo da estatística de regressão R2 ajustado,
para as regressões STEPWISE, das 5 variáveis de vizinhança, nas duas formas
funcionais. Como há diferença no número de graus de liberdade (número de variáveis
incluídas em cada forma funcional), não é comparada a estatística F.Tabela 24: Comparação da Estatística R2 Ajustado das Formas Funcionais LINEAR e SEMI-LOG,
Método STEPWISE - Modelo 2.
Nas 5 regressões, a estatística R2 ajustado das regressões é maior com a
equação LINEAR. Utilizando o critério de comparação entre a estatística R2, para o
Modelo 2, optou-se em utilizar os resultados das regressões na forma LINEAR para
análise. A tabela 25, abaixo mostra as 5 equações de regressão selecionadas.
Tabela 25: Resumo dos Resultados Modelo 2 - Função LINEAR - Método STEPWISE - 5 Variáveis de
Vizinhança (SAL_KM; MAC_KM; FAV5_KM; DMIN_KM; DMIN4_KM).
104
As estatísticas das regressões (R2 ajustado e F) mostram o poder
explicativo significante das equações. Outra constatação verificada pela análise dos
resultados está na melhora das estatísticas dos modelos que contém a variável de
vizinhança em relação àqueles que estas variáveis foram excluídas (ver por exemplo
Anexo 18).
Na análise das estatísticas K-S (empírico versus teórico, para nível de
significância a 10%), verifica-se que nas regressões com as variáveis de vizinhança
Morro dos Macacos (MAC_KM), a 5ª favela mais próxima (FAV5_KM) e a distância
mínima entre as 5 medidas (DMIN_KM) não se pode rejeitar a hipótese de normalidade
da distribuição dos resíduos.
Passando das análises das estatísticas gerais dos modelos para a análise
dos coeficientes das regressões, tem-se que nas variáveis estruturais, notam-se todos os
sinais (negativo para IDADE e positivos para todas as demais) coerentes com os
esperados pelas hipóteses do Modelo 2 e que todos são significativos a 5%. Quanto as
variáveis de localização (CEP's), os resultados não indicam muita consistência quanto à
presença de homogeneidade entre as equações, exceto pelas variáveis @20510 e
@20511, que foram incluídas em todas as equações de regressão (ver Anexos 16 a 20),
com coeficientes significativos a 5%, exceto duas (método ENTER, equação LINEAR,
com as variáveis SAL_KM e MAC_KM). A variável FACILIDD (que representa
proximidade do metrô) foi excluída de todas as regressões, indicando, provavelmente,
má qualidade na escolha da variável.
Nas variáveis de vizinhança observa-se consistência com as hipóteses
levantadas na descrição do Modelo 2. Todas as equações mostraram variáveis de
vizinhança com sinais positivos e significativos a 5%, exceto a variável SAL_KM, que
apresentou sinal negativo para o coeficiente. Por outro lado, quando observa-se a
equação de regressão da variável DMIN_KM, esta é positiva e significativa. A variável
DMIN_KM é a menor entre as distâncias medidas do imóvel às 5 favelas (4 de
referência e a 5ª mais próxima, que não uma das 4 de referência). O mesmo acontece
quando toma-se o exemplo da equação da variável DMIN4_KM, que representa a
menor entre as 4 distâncias (imóvel e as 4 favelas de referência).
Na realidade, tanto a variável DMIN_KM quanto a DMIN4_KM são as
que mais se aproximam da variável instrumental desejada para o Modelo 2, ou seja, a
105
menor distância, em linha reta, do imóvel a uma favela, sendo que a DMIN_KM é a que
representa a menor distância dentre todas as outras variáveis de vizinhança. Pelas razões
acima citadas e tanto pela qualidade das estatísticas gerais (R2 ajustado, F e
Kolmogorov-Smirnov) quanto dos coeficientes das variáveis independentes desta
equação de regressão, optou-se pela distância mínima dentre as 5 medidas (DMIN_KM)
para representar o Modelo 2, com função LINEAR, calculada pelo método STEPWISE.
Após escolhidos a variável representativa da variável instrumental do
Modelo 2 e o método e forma funcional, resta ainda a análise de multicolinearidade das
variáveis independentes (também realizado pelo índice de tolerância). A tabela 26,
abaixo, mostra os índices de tolerância das variáveis independentes:Tabela 26: Índice de Tolerância das Variáveis Independentes do Modelo 2.
Para começar a análise dos pares de variáveis acima, deve-se dizer que
no caso das variáveis estruturais (BANSOC, LAVABO e BANHO) houve
indeterminação no cálculo do R2 ajustado (= 100%) e portanto este não aparecem na
tabela acima.
As variáveis Área e Idade são as que apresentam menores índices de
tolerância, seguidas por Vagas e Quartos. Todas estas variáveis são incluídas nos
modelos de regressão (LINEAR e STEPWISE). Mesmo sabendo do viés que pode estar
sendo introduzido no Modelo 2, pela permanência destas variáveis, optou-se por
preservar as suas inclusões. A variável instrumental DMIN_KM apresenta índice de
tolerância relativamente mais elevado.
Devido a estas indicações de multicolinearidade das variáveis
independentes, foi realizado um experimento que tentasse reduzir este efeito, refazendo
as regressões (LINEAR e STEPWISE) utilizando não o preço como variável
independente, mas a razão preço / m2. Devido ao fato das estatísticas (R2 e F, apesar
106
desta não ser diretamente comparável) terem sido bem menores que no modelo com
preço como variável dependente, optou-se por manter o modelo original. Abaixo
apresenta-se o resumo das estatísticas R2 e F, das regressões realizadas.Tabela 27: Estatísticas R2 e F do Modelo Unitlizando Variável Independente Preço/M2.
Portanto, como o tema sobre multicolinearidade é importante uma análise
mais aprofundada sobre estas variáveis deveria ser conduzida e, assim, outros
comentários serão apresentados no capítulo Limitações do Método e Sugestões para
Pesquisas Futuras.
Dessa maneira é finda a análise dos resultados do Modelo 2 e, em termos
formais, tendo o mesmo cuidado com extrapolações e prognósticos pelos resultados
desta equação de regressão como já citado na análise de resultados do Modelo 1, tem-se
que, de acordo com o Modelo 2, um imóvel na "Grande Tijuca" perde cerca de R$
18.000,00 para cada quilômetro que este se aproxima da favela mais próxima.
Assim, agregando os resultados dos dois Modelos (1 e 2), tem-se que um
imóvel residencial, situado na "Grande Tijuca", sofre o efeito conjunto (mas talvez
correlacionado e portanto de difícil conclusão) do número de crimes cometidos no
bairro e da distância da área sub normal mais próxima. Utilizando os modelos como
estimadores dos dois impactos, um imóvel na "Grande Tijuca" teria seu valor reduzido
em cerca de 1,2% por crime de posse e disparo de armas (PDA) cometido no bairro e
em cerca de R$ 18.000,00 por quilômetro que se aproxime da favela mais próxima.
Com os cuidados necessários sobre os resultados numéricos apresentados
neste capítulo e boa parte das análises estatísticas realizadas, termina aqui o capítulo de
Resultados, e consequentemente, passa-se ao capítulo referente às conclusões do
trabalho de pesquisa aqui realizado.
107
5. CONCLUSÕES
Este trabalho buscou avaliar o impacto da violência criminal urbana no
valor dos imóveis residenciais do município do Rio de Janeiro, particularmente nos
imóveis do bairro Tijuca, no período de Junho de 2000 a Janeiro de 2002, sem, no
entanto, levar em consideração a variável temporal. Esta avaliação foi realizada
utilizando a metodologia de modelos de preços hedônicos, pertencente ao rol de
metodologias de Avaliação Econômica de Impactos Ambientais. Como comentário
inicial (e destacando o que já foi citado no Resumo e Introdução), este trata-se de um
estudo de natureza exploratória, sobre um assunto pouco abordado na pesquisa empírica
em Administração.
Para estruturar este capítulo, deve-se dividir a conclusão deste trabalho
em 4 partes. A 1ª parte refere-se às conclusões que podem ser enumeradas e inferidas a
partir dos resultados dos modelos tratados (1, 2 e 2.1). Em seguida, a 2ª parte dedica-se
a responder à pergunta de pesquisa (e as perguntas adjacentes), descrita no item 1.1, sob
a luz dos resultados obtidos. Na 3ª parte deste capítulo está um esboço, na opinião do
autor, de qual é a real contribuição deste trabalho de pesquisa para o meio acadêmico. E,
por fim, na 4ª parte encontram-se comentários finais relativos à boa análise de custos e
benefícios, voltada para a questão da segurança pública.
Portanto, para dar início a este capítulo, quais as informações que os
modelos tratados oferecem como base de argumentação para o objetivo da pesquisa?
5.1. Quanto aos Resultados dos ModelosO estudo da literatura, relativa aos modelos de preços hedônicos, mostrou
que não há uma determinação quanto à forma funcional adequada para as equações de
regressão, ao método adequado para o cálculo das regressões e às variáveis a serem
incluídas nos modelos. O que a literatura indica, na verdade, é a experimentação através
do método científico. Sob esta ótica, os modelos concebidos e estudados, neste trabalho
de pesquisa, buscaram adequar fontes e qualidade de dados (acessibilidade) aos
preceitos do método de preços hedônicos. Portanto, os resultados aqui obtidos merecem
cautela ao serem analisados.
O Modelo 1 apresenta resultados que indicam a influência negativa dos
crimes de uma região no valor do imóvel ali situado. Esses resultados são suportados
108
pelos exemplos encontrados na literatura (CUMMINGS et al., 2001; CLARK e
COSGROVE, 1990). E, neste caso e para a Amostra 1, a função SEMI-LOG é a forma
funcional que mais adere aos dados obtidos (em sintonia com o estudo de CUMMINGS
et al.). Além disso, os resultados indicam que há uma segmentação entre os bairros da
amostra (e consequentemente diferentes funções de demanda para consumidores de
imóveis de diferentes bairros), apesar dos coeficientes não terem os sinais esperados por
hipótese (lagoa com sinal negativo, por exemplo).
O Modelo Adjacente 2.1 tem como objetivo principal relacionar a
distância entre um imóvel e a favela mais próxima como uma proxy para o impacto da
violência criminal urbana no valor dos imóveis. Seus resultados, tanto em termos de
correlações quanto em termos de coeficientes de regressão, não são conclusivos a
respeito da ligação entre proximidade de áreas sub normais e impacto da violência
criminal urbana. Por outro lado, dão indícios que quando há incidência de baixa renda
média de uma região, há também incidência de índices maiores de criminalidade. E
como favelas são áreas de baixa renda média, há a suposição de maiores índices de
criminalidade nessas áreas. Dessa forma, é de se inferir que a proximidade de áreas
faveladas traga mais insegurança aos moradores adjacentes e esta percepção estaria
refletida nos preços dos imóveis.
O Modelo 2 apresenta resultados esperados para a variável distância
mínima entre um imóvel e uma favela. Quanto mais próximo da favela mais próxima,
menor se torna o valor de um imóvel, segundo este modelo. Na literatura não foi
encontrado um estudo que relacionasse a distância de uma área sub-normal como o
impacto da violência criminal urbana no valor dos imóveis residenciais, portanto não há
comparação entre os resultados e a literatura pesquisada.
Portanto, agregando os resultados dos três modelos, pode-se responder à
pergunta de pesquisa, apresentada no próximo item.
5.2 Quanto à Pergunta de PesquisaA pergunta central deste trabalho de pesquisa indaga qual é o impacto da
violência criminal urbana no valor dos imóveis, do bairro Tijuca, no período de junho
de 2000 a janeiro 2002. Segundo os modelos apresentados, há um impacto negativo de
cerca de 1,2% sobre o valor do imóvel para cada crime realizado na área do imóvel
(resultado do Modelo 1), mais um impacto negativo de cerca de R$18.000,00 para cada
109
quilômetro que o imóvel se aproxima da favela mais próxima (resultado do Modelo 2).
Porém estes números devem ser tomados com cautela, devido, basicamente, à qualidade
dos dados obtidos em ambas as amostras.
As perguntas adjacentes 1 e 2 versam sobre quais as variáveis
instrumentais utilizar para medir o impacto da violência criminal no valor dos imóveis e
se a proximidade de áreas de baixa renda e elevados índices criminais tem influência no
valor dos imóveis residenciais.
A resposta à primeira questão adjacente é de difícil delineamento. Como
nos casos tratados na literatura pesquisada, não há como estabelecer a priori as variáveis
instrumentais cabíveis à medida do impacto da violência criminal urbana (ou de outros
impactos ambientais e externalidades). Há indícios, tanto na literatura quanto neste
trabalho de pesquisa, que as variáveis criminais por região (por bairros, como as
empregadas no Modelo 1, por setores censitários, por cidades, etc) apresentam
resultados aderentes às hipóteses levantadas. Porém, mais importante que a variável em
si é a qualidade dos dados e das fontes. Os resultados são diretamente influenciados
pelos dados obtidos, pelo fato deste ser um estudo estatístico com base em amostras,
portanto a coerência e qualidade dos dados da amostra é fundamental.
A resposta à segunda questão adjacente parece ser positiva.
Aparentemente, pode-se inferir que a proximidade de áreas de baixa renda e de elevados
índices criminais influenciam negativamente o valor dos imóveis. O que não fica claro é
a relação de causa e efeito entre estas variáveis. A proximidade de uma área de baixa
renda pode influenciar o valor dos imóveis por razões outras que as explicitadas no
modelo de preços hedônicos e não fica clara e direta a relação entre proximidade de área
de baixa renda e impacto da violência criminal urbana. O Modelo Adjacente 2.1 tem
este objetivo, mas não obtém resultados robustos que sustentem tais afirmações, dando
apenas indícios para pesquisas mais aprofundadas.
Especificamente quanto à distância como variável instrumental, há a
necessidade de estabelecer, em bases mais sólidas, a relação entre distância da área sub
normal e violência criminal urbana, ou ainda, estabelecer quais as variáveis endógenas
estão presentes na variável distância, que uma das componentes pode ser proximidade
da violência, mas pode também envolver outras características. O Modelo 2 supõe que a
110
variável distância tem apenas a componente da violência criminal, o que não é
necessariamente verdade.
Portanto, é com extrema cautela que devemos considerar os números e
resultados até aqui expostos. Então, se não pelo resultado numérico, qual é a
importância, ou contribuição maior, na opinião do autor, deste trabalho de pesquisa? A
resposta a esta questão é o tema do próximo item.
5.3 Quanto à Real Contribuição da PesquisaEste trabalho de pesquisa, buscou, através da congregação de diversas
metodologias empregadas na literatura de preços hedônicos, juntamente com a
disponibilidade de dados obtida, construir um modelo que mensurasse o impacto da
violência criminal urbana no valor dos imóveis residenciais.
Dessa forma, o autor entende que os números obtidos nos resultados não
são a maior contribuição desta pesquisa, devido à má qualidade dos dados obtidos
(problemas de acessibilidade). As principais contribuições estão na indicação dos
caminhos a serem percorridos, na descrição dos dados necessários e na determinação e
elaboração das bases de dados adequadas para o desenvolvimento de novas pesquisas na
área.
Além destas, o autor considera que outras importantes contribuições
estão na interação metodológica entre procedimentos de avaliação de impactos
puramente ambientais e de procedimentos de avaliação de impactos sócio econômicos e,
também, no questionamento relativo às medidas e variáveis instrumentais a serem
tomadas em conta na elaboração de planos para mitigar a violência criminal nas cidades.
Assim, com estes tópicos definidos, parte-se agora para os comentários
finais sobre as possibilidades e conclusões deste trabalho, assunto do próximo item.
5.4 Comentários FinaisA questão da violência criminal urbana transcende o mercado
imobiliário, ou qualquer outro. Atualmente tornou-se uma constante na vida dos
cidadãos dos grandes centros urbanos e, no caso do Rio de Janeiro, está sempre à nossa
volta. Como foi comentado no início deste trabalho de pesquisa, aqui é feita apenas uma
tentativa de expandir os horizontes da contabilização dos custos que o crime e a
violência criminal incutem na nossa sociedade.
111
É certo que para combater a violência criminal e seus custos sociais,
políticas muito abrangentes devem ser estabelecidas, tanto no curto quanto no médio e
longo prazos. No curto prazo, é certo que a coibição das atividades criminosas é
necessária, através do policiamento efetivo e da repressão de tais práticas. Porém, não
haverá resultado sustentável na diminuição dos índices de criminalidade caso não sejam
traçadas outras estratégias de desenvolvimento econômico e social, a médio e longo
prazos.
Além das políticas de melhora na educação e na distribuição mais
igualitária de renda, pontos inquestionáveis e de ampla concordância na sociedade,
outras estratégias de desenvolvimento do espaço urbano podem levar à redução da
violência e à elevação da qualidade de vida nas cidades.
Retornando ao escopo desta dissertação (mercado imobiliário e violência
criminal), pode-se supor que a noção do direito de propriedade e o estímulo a aquisição
de um imóvel pelos residentes de uma região tragam benefícios a esta comunidade, uma
vez que estes residentes passam a ser donos de uma parcela desta, e queiram cuidar bem
dela. Ao tornarem-se interessados diretos (stakeholders), aumenta o comprometimento
com o desenvolvimento local, e esta parece ser uma estratégia sensata na melhoria das
condições de vida e na preservação do ambiente desta comunidade.
Assim, estudos como este trabalho de pesquisa podem ser bons
instrumentos para fornecer balanços de custos e benefícios envolvidos na
implementação de estratégias de desenvolvimento urbano. Como por exemplo: o custo
que a falta de qualidade de vida (na figura da falta de segurança pública, por exemplo)
impõe pode ser comparado à concessão de subsídios para a aquisição da casa própria
por moradores locais; ou a remodelagem urbana e estrutural das comunidades menos
valorizadas, como estratégia de desenvolvimento sócio econômico, suportada pela
ferramenta de preços hedônicos.
Desse modo, com estes comentários finais, concluo este trabalho de
pesquisa, deixando para o próximo capítulo algumas sugestões para pesquisas futuras.
112
6. SUGESTÕES PARA PESQUISAS FUTURASTodo e qualquer trabalho de pesquisa deve abrir novas frentes ao
desenvolvimento de outros trabalhos, e ao aprimoramento contínuo da ciência. Assim,
gostaria de deixar minha singela contribuição para novos pesquisadores, que se
interessem pelo tema "mercado imobiliário" e "modelos de preços hedônicos", com
algumas sugestões, que melhorem o trabalho aqui presente, que facilite as condições de
trabalho de outros pesquisadores e que abordem outros temas, dentro deste escopo.
Em primeiro lugar, com relação às variáveis independentes de ambos os
modelos, uma proposta de estudo seria investigar de forma mais precisa as
multicolinearidades e identificar quais delas deveriam realmente ser incluídas nos
modelos de regressão. Uma possível abordagem seria uma avaliação mais profunda
sobre a variável dependente Preço/m2, ao invés de simplesmente o preço.
Este estudo tentou retratar dois modelos complementares (Modelo 1,
indicando variações em função da heterogeneidade regional mais ampla entre bairros,
complementado pelo Modelo 2, que busca indicar variações mais restritas à região do
imóvel, no caso Tijuca). Estes dois modelos poderiam ser tomados individualmente e
estudados de forma mais aprofundada.
O estudo do custo da violência criminal no valor dos imóveis poderia ser
expandido para novas fronteiras, como a inclusão de novos municípios, trazendo
resultados em termos estaduais, ou mesmo pela expansão da amostra, trazendo luz à
questão em nível nacional.
Devido à dificuldade de obtenção de dados neste mercado, estudos
metodológicos poderiam estabelecer regras, ou políticas, que sistematizassem a coleta e
a disponibilização de informações atualizadas, sobre negociações de imóveis. Ou
mesmo desenvolver sistemas que organizassem e racionalizassem o processo de
obtenção de informações junto às imobiliárias. Um possível benchmark para este
estudo, seria o Instituto de Pesquisas Econômicas Administrativas e Contábeis
(IPEAD), da Universidade Federal de Minas Gerais, que mantém dados e gera estudos
de preços hedônicos para a cidade de Belo Horizonte.
Com dados de melhor qualidade, tentar medir o efeito temporal no
mercado imobiliário, visto que o estudo aqui presente teve como foco a análise cross-
section.
113
Uma outra pesquisa, porém fora das áreas de Economia e Finanças, seria
desenvolver um trabalho que relacione a prática de crimes a outras variáveis urbanas do
Rio de Janeiro, como o crescimento populacional, o aumento das áreas e da população
de favelas, o nível de renda, etc, para que servisse de subsídio para estudos semelhantes
a este, como a indicação de variáveis de vizinhança relevantes.
114
7- REFERÊNCIAS BIBLIOGRÁFICAS
1. ALEM, Adriano R.; CRETTON, André Luiz F. Mercado Imobiliário no Rio de
Janeiro: O Uso dos Cadastros Técnicos Municipais para Acompanhar as
Mudanças da Cidade. Coleção Estudos da Cidade. Diretoria Municipal de
Urbanismo. Prefeitura da Cidade do Rio de Janeiro. Outubro, 2001. Disponível em :
www.armazemdedados.rio.rj.gov.br Acesso em: 23 mar. 2002.
2. AMAZONAS, M.C. O Que é a Economia Ecológica. Sociedade Brasileira de
Economia Ecológica / UNICAMP, 1.999. Disponível em :
www.eco.unicamp.br/ecoeco/ Acesso em: 08 abr. 2002.
3. ANGLIN, P.M.; GENÇAY, R. Semiparametric Estimation of a Hedonic Price
Function. Journal of Applied Econometrics. Vol: 11 p: 633-648, 1996.
4. BAUMOL, W.J.; OATES, B. E. The Theory of environment policy. Englewood
Cliffs, N.J., Prentice-Hall, 1975, p 17
5. BENSON, P. G.; McCLAVE, J. T.; SINCICH, T. L. Statistics for Business and
Economics. 8th Edition, MacGraw-Hill, 2002.
6. BERNDT, E.R. The Practice of Econometrics: Classic and Contemporary.
Cambridge MA: Addison-Wesley Publishing Campany, 1990.
7. BOWEN, W. M.; MIKELBANK, B. A.; PRESTEGAARD, D. M. Theoretical and
Empirical Considerations Regarding Space in Hedonic Housing Price Model
Applications. Growth and Change. Vol: 32 N. 4 p: 466-490, Fall 2001.
8. BROWN, H. J.; LI, M. Micro-Neighbourhood Externalities and Hedonic Housing
Prices. Land Economics. VOL. 56 N. 2 p. 125-141, 1980.
9. BRUEGGEMAN, W. B.; FISHER, J. D. Real Estate Finance and Investments.
Boston: Irwin MacGraw-Hill, 10th ed., 1997.
10. CAVALLIERI, Fernando. Crime e Registro: Ocorrências Policiais na Cidade do Rio
de Janeiro. Diretoria de Informações Geográficas. Prefeitura da Cidade do Rio
115
de Janeiro. Julho, 2001. Disponível em : www.armazemdedados.rio.rj.gov.br
Acesso em: 23 mar. 2002.
11. CEZAR, Paulo Bastos. Evolução da População de Favelas na Cidade do Rio de
Janeiro: Uma Reflexão sobre os Dados Mais Recentes. Coleção Estudos da
Cidade. Diretoria Municipal de Urbanismo. Prefeitura da Cidade do Rio de
Janeiro. Fevereiro, 2002. Disponível em : www.armazemdedados.rio.rj.gov.br
Acesso em: 23 mar. 2002.
12. CHAU, K. W.; MA, V. S. M.; HO, D.C.W. The Pricing of "Luckiness" in the
Apartment Market. Journal of Real Estate Literature. Vol: 9 N. 1 p: 31-40, 2001.
13. _______; NG, F. F.; HUNG, E. C. T. Developer's Good Will as Significant
Influence on Apartment Unit Prices. The Appraisal Journal, p: 26-30, Jan. 2001.
14. CLARK, D.E.; COSGROVE, J.C. Hedonic Prices, Identification, and the Demand
for Public Safety. Journal of Regional Science. Vol. 30 N.1 p: 105-121, 1990.
15. CONTADOR, C. R. Projetos Sociais: Avaliação e Prática. 3ª ed. ampl. São Paulo:
Atlas, cap 1 e 9, 1997.
16. CUMMINGS, J.L.; DIPASQUALE, D.; KAHN, M.E. Measuring the Consequences
of Promoting Inner City Homeownership. Working Paper. City Research e
Fletcher School - Tufts University. 2001. Disponível em: www.cityresearch.com.br
Acesso em 31/07/2002.
17. CUNHA, Sandra B.; GUERRA, A. J. T. (org.) Avaliação e Perícia Ambiental. 2ª
ed. Rio de Janeiro: Bertrand Brasil, 2000. Cap 5
18. _______. (org.) Impactos Ambientais Urbanos no Brasil. Rio de Janeiro: Bertrand
Brasil, 2001. Cap 1.
19. DING, C.; SIMONS, R.; BAKU, E. The Effect of Residential Investment on Nearby
Property Values: Evidence from Cleveland,Ohio. Journal of Real Estate Research.
Vol: 19 N. 1 / 2 p: 23-48,. 2000.
116
20. DIXON, J. A. et al. Economic Analysis of Environmental Impacts. London:
Earthscan Publications, 1994.
21. FREEMAN III, A. M. The Measurement of Environmental and Resource
Values: Theory and Methods. Washington, D.C.: Resources for the Future, 1993.
22. GIZEWSKI, Peter; HOMER-DIXON, Thomas. Urban Growth and Violence: Will
the Future Resemble the Past?. Working Paper. Project on Environment,
Population and Security. Washington, D.C.: American Association for the
Advancement of Science and the University of Toronto. Junho, 1995.
23. GLAESAER, E. L.; GYOURKO, J. The Impact of Zoning on Housing
Affordability. Harvard Institute of Economic Research. Discussion Paper N. 1948,
March 2002. Disponível em : http://papers.ssrn.com/abstract=302388. Acesso em: 25 de
março 2002.
24. GRILICHES, Z. Hedonic Price Indexes for Automobiles: An Econometric Analysis
of Quality Change. Price Statisticas of the Federal Government, General Series .
nº 73, NY: Columbia University Press for the National Bureau of Economic
Research, p 137 - 196, 1961.
25. HITE, D. et al. Property Value Impacts of na Environmental Disamenity: The
Case of Landfills. SSRN-ERN. Working Paper Series. Vol: 6 N.33, Nov 2001.
26. KASARDA, J.D.; PARNELL, A M. Third World Cities: Problems, Politics and
Prospects. Newbury Park: Sage, 1993.
27. LEMME, C. F. Avaliação Econômica de Impactos Ambientais no Brasil: da
Atividade Acadêmica ao Financiamento de Longo Prazo de Projetos e
Empresas. Tese Doutorado. Rio de Janeiro: UFRJ/COPPEAD, 2000.
28. _______. Avaliação Econômica de Impactos Ambientais - Um Sumário dos
Fundamentos e Métodos. In HERCULANO, S. C. Meio Ambiente: Questões
Conceituais. UFF: Riocor, 2000.
117
29. MACEDO, P. B. R. Hedonic Price Models with Spatial Effects: na Application to
the Housing Market of Belo horizonte, Brazil. Revista Brasileira de Economia. Rio
de Janeiro. Vol: 52 N. 1 p: 63-81, Jan / Mar 1998.
30. _______; SIMÕES, R. Amenidades Urbanas e Correlação Espacial: uma Análise
Intra-Urbana para BH (MG). Revista Brasileira de Economia. Rio de Janeiro. Vol:
52 N. 4 p: 525-541, Out / Dez. 1998.
31. MAY, P. H. (org.) Economia Ecológica: aplicações no Brasil. Rio de Janeiro:
Campus, 1995. Cap 1.
32. MISHAN, E. J. Cost-Benefit Analysis. New York: Praeger Publishers, 1976. Cap
16 a 20
33. NEVES, C. Análise de Investimentos: Projetos Industriais e Engenharia
Econômica. Rio de Janeiro: Editora Guanabara, 1982. Cap 7, item 7.4.
34. OCZKOWSKI, E. Hedonic Wine Price Functions and Measurement Error.
SSRN-ERN. Working Paper Series. Vol: 5 N.7, May 2001.
35. PASSOS, J. M. Violência Freia o Crescimento da AL. O Globo. Rio de Janeiro, 17
mar. 1998. Economia, p. 21.
36. ROSEN, S. Hedonic Prices and Implicit Markets: Product Differentiation in Pure
Competition. Journal of Political Economy, Vol: 82 N.1 p:34-55, Jan. / Feb., 1974
37. SANDRONI, P. Novo Dicionário de Economia. São Paulo: Editora Best Seller,
1994.
38. TU, C. C.; EPPLI, M. J. Valuing New Urbanism: The Case of Kentlands. Real
Estate Economics. Vol: 27 N. 3 p: 425-451, 1999.
39. TURNER, R.K.; PEARCE, D.; BATEMAN, I. Environmental economics.
London: Harvester Wheatsheaf, 1994
40. VERGARA, S. C. Projetos e Relatórios de Pesquisa em Administração. São
Paulo: Editora Atlas, 1998.
118
41. WILHELMSSON, M. The Impact of Traffic Noise on the Values of Single-family
Houses. Journal of Environmental Planning and Management. Vol: 43 N. 6 p:
799-815, 2000.
119
ANEXOS
120
Anexo 1 - Lista de Sites Pesquisados e Sites de Dados Coletados
Sites Pesquisados Sites dos Dados Coletadoshttp://hello.to/rj www.anamesquitaimoveis.com.brwww.a2consultimoveis.com.br www.atalntida-adm.com.brwww.anamesquitaimoveis.com.br www.britocordeiro.com.brwww.ap2000imoveis.com www.delnik.com.brwww.api.adm.br www.fernandobrandao.com.brwww.atlantida-adm.com.br www.fotoimoveis.com.brwww.bap.com.br www.fxi.com.brwww.britocordeiro.com.br www.jbmegaimoveis.com.brwww.bulhoes.com.br www.maramar.imb.brwww.cariocaimoveis.com.br www.martimoveis.com.brwww.carneiroimoveis.com.br www.mercadoimoveis.com.brwww.conacimoveis.com.br www.planetainoveis.com.brwww.corcovadoimoveis.com.br www.rjardim.com.brwww.correta.cjb www.soimoveis-rj.com.brwww.delnik.com.br www.viceversaimobiliaria.com.brwww.deltaimobiliaria.com.brwww.fernandobrandao.com.brwww.fotoimoveis.com.brwww.gafen.com.brwww.hrezendeimoveis.com.brwww.interativaimoveis.com.brwww.jbmegaimoveis.com.brwww.jcarneiro.com.brwww.joaofortes.com.brwww.kasalink.com.brwww.mansionhouse.com.brwww.maramar.imb.brwww.martimoveis.com.brwww.mercadoimoveis.com.brwww.miguezimoveis.com.brwww.olimpiaimoveis.comwww.pesset.com.brwww.planetaimoveis.com.brwww.rcostaimoveis.com.brwww.realizaimoveis.com.brwww.rioimoveis.hpg.com.brwww.rjardim.com.brwww.rjdimoveis.com.brwww.rngrupoempresarial.com.brwww.soimoveis-rj.com.brwww.viceversaimobiliaria.com.brwww.vilsonimoveis.com.brwww.visit.com.br
121
Anexo 2 - Áreas Integradas de Segurança Pública e Delegacias
AISP DELEGACIAS DISTRITAIS AISP DELEGACIAS DISTRITAIS AISP DELEGACIAS DISTRITAIS
1 006 D.P. - CIDADE NOVA 11 111 D.P. - SUMIDOURO 24 051 D.P. - PARACAMBI1 007 D.P. - SANTA TEREZA 11 112 D.P. - CARMO 24 055 D.P. - QUEIMADOS2 009 D.P. - CATETE 11 151 D.P. - NOVA FRIBURGO 25 118 D.P. - ARARUAMA2 010 D.P. - BOTAFOGO 11 152 D.P. - DUAS BARRAS 25 124 D.P. - SAQUAREMA3 023 D.P. - MÉIER 11 153 D.P. - CANTAGALO 25 125 D.P. - SÃO PEDRO DA
ALDEIA3 024 D.P. - PIEDADE 11 154 D.P. - CORDEIRO 25 126 D.P. - CABO FRIO3 025 D.P. - ENGENHO NOVO 11 156 D.P. - SANTA MARIA
MADALENA25 127 D.P. - ARMAÇÃO DE
BÚZIOS3 026 D.P. - ENCANTADO 11 157 D.P. - TRAJANO DE
MORAIS25 129 D.P. - IGUABA
3 044 D.P. - INHAÚMA 11 158 D.P. - BOM JARDIM 26 105 D.P. - PETRÓPOLIS4 017 D.P. - SÃO CRISTOVÃO 11 159 D.P. - CACHOEIRAS DE
MACACÚ26 106 D.P. - ITAIPAVA
5 001 D.P. - PRAÇA MAUÁ 12 076 D.P. - NITERÓI 27 036 D.P. - SANTACRUZ5 004 D.P. - PRAÇA DA
REPÚBLICA12 077 D.P. - SANTA ROSA 28 089 D.P. - RESENDE
5 005 D.P. - MEM DE SÁ 12 078 D.P. - FONSECA 28 090 D.P. - BARRA MANSA6 018 D.P. - PRAÇA DA
BANDEIRA12 079 D.P. - JURUJUBA 28 093 D.P. - VOLTA REDEONDA
6 019 D.P. - TIJUCA 12 081 D.P. - ITAIPU 28 099 D.P. - ITATIAIA6 020 D.P. - GRAJAÚ 12 082 D.P. - MARICÁ 28 100 D.P. - PORTO REAL7 072 D.P. - SÃO GONÇALO 14 031 D.P. - RICARDO DE
ALBUQUERQUE29 138 D.P. - LAJE DO MURIAÉ
7 073 D.P. - NEVES 14 033 D.P. - REALENGO 29 139 D.P. - PORCIÚNCULA7 074 D.P. - ALCÂNTARA 14 034 D.P. - BANGU 29 140 D.P. - NATIVIDADE7 075 D.P. - RIO DO OURO 15 059 D.P. - DUQUE DE CAXIAS 29 143 D.P. - ITAPERUNA8 134 D.P. - CAMPOS 15 060 D.P. - CAMPOS ELÍSEOS 29 144 D.P. - BOM JESUS DO
ITABAPOANA8 141 D.P. - SÃO FIDÉLIS 15 061 D.P. - XERÉM 30 104 D.P. - SÃO JOSÉ DO VALE
DO RIO PRETO8 145 D.P. - SÃO JOÃO DA
BARRA15 062 D.P. - IMBARIÊ 30 110 D.P. - TERESÓPOLIS
8 146 D.P. - GUARÚS 16 022 D.P. - PENHA 31 035 D.P. - CAMPO GRANDE9 027 D.P. - VICENTE DE
CARVALHO16 038 D.P. - IRAJÁ 32 165 D.P. - MANGARATIBA
9 028 D.P. - CAMPINHO 17 037 D.P. - ILHA DOGOVERNADOR
32 166 D.P. - ANGRA DOS REIS
9 029 D.P. - MADUREIRA 18 032 D.P. - JACAREPAGUÁ 32 167 D.P. - PARATI9 030 D.P. - MARECHAL HERMES 18 041 D.P. - TANQUE 33 065 D.P. - MAGÉ9 039 D.P. - PAVUNA 19 012 D.P. - COPACABANA 33 066 D.P. - PIABETÁ9 040 D.P. - HONÓRIO GURGEL 19 013 D.P. - IPANEMA 34 121 D.P. - CASEMIRO DE
ABREU10 088 D.P. - BARRA DO PIRAÍ 20 052 D.P. - NOVA IGUAÇU 34 122 D.P. - CONCEIÇÃO DE
MACABÚ10 091 D.P. - VALENÇA 20 053 D.P. - MESQUITA 34 123 D.P. - MACAÉ10 092 D.P. - RIO DAS FLORES 20 054 D.P. - BELFORD ROXO 34 128 D.P. - RIO DAS OSTRAS10 094 D.P. - PIRAÍ 20 056 D.P. - COMENDADOR
SOARES35 071 D.P. - ITABORAÍ
10 095 D.P. - VASSOURAS 20 057 D.P. - NILÓPOLIS 35 119 D.P. - RIO BONITO10 096 D.P. - MIGUEL PEREIRA 20 058 D.P. - POSSE 35 120 D.P. - SILVA JARDIM10 097 D.P. - MENDES 20 064 D.P. - VILAR DOS TELLES 36 016 D.P. - BARRA DA TIJUCA10 098 D.P. - ENGENHEIRO PAULO
DE FRONTIN22 021 D.P. - BONSUCESSO 37 135 D.P. - ITAOCARA
10 107 D.P. - PARAÍBA DO SUL 23 014 D.P. - LEBLON 37 136 D.P. - SANTO ANTÔNIO DEPÁDUA
10 108 D.P - TRÊS RIOS 23 015 D.P. - GÁVEA 37 137 D.P. - MIRACEMA10 109 D.P. - SAPUCAIA 24 048 D.P. - SEROPÉDICA 37 142 D.P. - CAMBUCI10 168 D.P. - RIO CLARO 24 050 D.P. - ITAGUAÍ 37 155 D.P. - SÃO SEBASTIÃO DO
ALTO
122
Anexo 3 - Número de Crimes das AISP's dos Bairros - Amostra 1N
OM
E D
O B
AIR
RO
CR
IMES
CO
NTR
A A
VID
A (C
CV)
CR
IMES
CO
NTR
A O
PAT
RIM
ÔN
IO
(CTP
)
CR
IMES
LI
GAD
OS
ÀS
DR
OG
AS (C
LD)
ENC
ON
TRO
DE
CAD
ÁVER
ES
(EC
)
POR
TE E
D
ISPA
RO
DE
ARM
AS (P
DA)
TOTA
L
Lara
njei
ras
577
2.61
047
1323
3.27
0Bo
tafo
go57
72.
610
4713
233.
270
Cop
acab
ana
458
1.93
511
72
142.
526
Ipan
ema
458
1.93
511
72
142.
526
Lebl
on38
21.
478
172
924
2.06
5La
goa
382
1.47
817
29
242.
065
Barra
817
2.14
842
521
3.03
3R
ecre
io81
72.
148
425
213.
033
Jaca
repa
guá
1.63
51.
946
109
1338
3.74
1Ti
juca
736
3.15
167
531
3.99
0M
arac
anã
736
3.15
167
531
3.99
0G
raja
ú73
63.
151
675
313.
990
Lara
njei
ras
688
3.63
760
2336
4.44
4Bo
tafo
go68
83.
637
6023
364.
444
Cop
acab
ana
764
2.90
111
55
193.
804
Ipan
ema
764
2.90
111
55
193.
804
Lebl
on56
22.
280
116
1417
2.98
9La
goa
562
2.28
011
614
172.
989
Barra
917
2.88
331
833
3.87
2R
ecre
io91
72.
883
318
333.
872
Jaca
repa
guá
2.16
72.
391
115
2154
4.74
8Ti
juca
1.20
24.
764
120
1535
6.13
6M
arac
anã
1.20
24.
764
120
1535
6.13
6G
raja
ú1.
202
4.76
412
015
356.
136
Lara
njei
ras
1.26
56.
247
107
3659
7.71
4Bo
tafo
go1.
265
6.24
710
736
597.
714
Cop
acab
ana
1.22
24.
836
232
733
6.33
0Ip
anem
a1.
222
4.83
623
27
336.
330
Lebl
on94
43.
758
288
2341
5.05
4La
goa
944
3.75
828
823
415.
054
Barra
1.73
45.
031
7313
546.
905
Rec
reio
1.73
45.
031
7313
546.
905
Jaca
repa
guá
3.80
24.
337
224
3492
8.48
9Ti
juca
1.93
87.
915
187
2066
10.1
26M
arac
anã
1.93
87.
915
187
2066
10.1
26G
raja
ú1.
938
7.91
518
720
6610
.126
CRIMES-2001 CRIMES-2002 CRIMES-9MESES
123
Anexo 4 - Dados da Regressão entre Nº de Crimes e Nº de Favelas
ANO 2001 Homicidios Dolosos
Veículos Furtados
Veículos Roubados
Roubo a Transeunte
Roubo a Residência
Roubo em Coletivo
Roubo em Instituição Financeira
Latrocídio
Bangu 227 312 659 210 17 55 2 9Barra da Tijuca 33 525 631 276 27 74 13 1
Bonsucesso 114 405 1.104 346 8 146 4 8Botafogo 10 1.377 368 396 30 73 7 1
Campinho 58 114 462 187 21 63 1 4Campo Grande 290 545 717 350 36 175 0 9
Catete 4 216 53 144 9 45 2 1Cidade Nova 68 108 187 229 6 77 2 2Copacabana 1 109 39 103 13 8 3 1Encantado 0 1 0 0 0 0 0 0
Engenho Novo 46 312 654 310 35 66 1 3Gávea 12 145 94 63 13 24 3 0Grajaú 2 0 1 10 1 2 4 0
Ilha do Governador 43 185 358 240 32 59 5 3Irajá 74 320 1.079 191 9 76 0 4
Jacarepaguá 93 319 581 293 25 131 4 4Leblon 6 312 158 252 46 22 2 0Leme 14 159 42 240 22 27 6 0
Madureira 77 230 539 451 11 118 3 2Marechal Hermes 99 260 935 315 16 101 2 4
Méier 34 1.020 1.030 393 21 46 3 3Penha 65 428 803 304 6 72 2 4
Piedade 102 250 867 238 31 49 1 6Praca da Bandeira 14 376 255 228 6 52 3 2
Realengo 102 317 722 259 8 151 2 6Santa Cruz 195 105 207 146 25 140 0 2
Santa Teresa 15 39 73 37 8 2 0 1São Cristóvão 33 280 265 289 4 70 4 2
Tijuca 33 749 746 434 18 66 5 4
ANO 2001 Sequestro Estupro Apreensão de Drogas Nº de Favelas Renda Média População
Índice de Alfabetizaçã
oBangu 0 20 510 20 2,9 244.086 93,01
Barra da Tijuca 1 22 91 2 22,5 92.122 96,9Bonsucesso 0 13 322 4 2,9 19.299 87,76
Botafogo 0 3 124 4 11,5 77.212 96,69Campinho 0 12 43 1 4,3 8.948 95,48
Campo Grande 0 56 129 9 3,6 296.498 93,3Catete 0 3 54 3 6,5 21.714 95,11
Cidade Nova 0 11 305 0 3,3 5.259 92,16Copacabana 0 2 77 4 12,1 146.656 97,56Encantado 0 0 1 3 4,5 15.384 96,22
Engenho Novo 0 4 911 8 5,2 44.451 94,5Gávea 0 5 244 2 8,5 13.984 86,43Grajaú 0 1 10 4 10,3 37.964 96,91
Ilha do Governador 0 25 201 22 12,5 211.377 97,86Irajá 0 11 198 6 4,2 104.163 96,68
Jacarepaguá 0 41 172 18 3,7 100.570 85,41Leblon 0 5 191 0 19,0 46.588 97,49Leme 0 12 201 2 13,7 14.178 97,16
Madureira 0 12 61 5 3,9 50.382 95,46Marechal Hermes 0 11 69 8 3,4 49.098 94,55
Méier 0 7 130 2 8,0 51.313 98,2Penha 1 16 339 8 3,6 72.631 93,46
Piedade 0 9 272 7 4,0 44.070 96,06Praca da Bandeira 0 4 57 0 6,9 9.094 96,79
Realengo 0 10 220 22 3,1 176.206 94,18Santa Cruz 0 21 354 11 2,4 191.707 90,48
Santa Teresa 0 3 40 12 5,1 41.142 94,19São Cristóvão 0 7 236 4 3,5 38.245 93,65
Tijuca 0 9 156 7 10,4 163.469 96,64
124
Anexo 5 - Lista das Favelas Utilizadas na Amostra 2.
Bairro Nº Bairro Favela Nº da Favela Cód. da Favela
Tijuca 1 Morro do Borel 01 101Tijuca 1 Morro do Salgueiro 02 102Tijuca 1 Morro da Formiga 03 103Tijuca 1 Morro Coréia 04 104Tijuca 1 Morro do Chacrinha 05 105Tijuca 1 Morro da Casa Branca 06 106Tijuca 1 Morro do Bananal 07 107Grajaú 2 Morro Borda do Mato 01 201Grajaú 2 Morro Nova Divinéia 02 202Grajaú 2 Parque João Paulo II 03 203Andaraí 3 Morro do Jamelão 01 301Andaraí 3 Morro do Andaraí 02 302Andaraí 3 Morro Arrelia 03 303Andaraí 3 Morro da Cruz 04 304Vila Isabel 4 Parque Vila Isabel 01 401Vila Isabel 4 Morro dos Macacos 02 402Mangueira 51 Morro da Mangueira 1 511Mangueira 51 Parque da Candelária 2 512Mangueira 51 Morro dos Telégrafos 3 513Engenho Novo 52 Morro da Matriz 1 521Engenho Novo 52 Vila Cabuçu 2 522Engenho Novo 52 Morro da Bacia 3 523Engenho Novo 52 Morro de São João 4 524Engenho Novo 52 Morro do Encontro 5 525Lins de Vasconcelos 53 Morro do Amor 1 531Lins de Vasconcelos 53 Morro Dona Francisca 2 532Lins de Vasconcelos 53 Morro da Cotia 3 533Lins de Vasconcelos 53 Morro Cachoeirinha 4 534Alto da Boa Vista 54 Morro Doutor Catrambi 1 541Santo Cristo 55 Morro Moreira Pinto 1 551
125
Anexo 6 - Laudo do Imóvel.
126
Anexo 7 - Áreas de Planejamento (AP's) do Município do Rio de Janeiro.
Área de Planejamento 1 Área de Planejamento 2
I Portuária IV BotafogoII Centro V CopacabanaIII Rio Comprido VI LagoaVII São Cristóvão VIII TijucaXXI Paquetá IX Vila IsabelXXIII SantaTeresa XXVII Rocinha
Área de Planejamento 3 Área de Planejamento 4
X Ramos XVI JacarepaguáXI Penha XXIV Barra da TijucaXII Inhaúma XXXIV Cidade de DeusXIII MéierXIV IrajáXV MadureiraXX IIha do GovernadorXXII AnchietaXXV PavunaXXVIII JacarezinhoXXIX Complexo do AlemãoXXX Maré
Área de Planejamento 5
XVII BanguXVIII Campo GrandeXIX Santa CruzXXVI GuaratibaXXXIII Realengo
127
Anexo 8 - Planilha Resumo Amostra 1.
, , , , , • , I , • • • •
• • • • • • • • , • • • • • • • • •
• • • • • • • I • • ! • • • , ,
•
128
Anexo 9 - Mapa da Tijuca com os Imóveis da Amostra 2 e as Favelas .
129
Anexo 10 - Modelo 1 - Matriz de Correlação das VariáveisIndependentes:
130
Anexo 11 - Modelo 1 - Método ENTER - Função LINEAR.Tabela Comparativa entre Modelos de Regressão que incluem apenas Variáveis
Estruturais (E), apenas Variáveis Estruturais e de Localização (Bairros / E-B) e Variáveis Estruturais, de
Localização e de Vizinhança (9m).
131
Anexo 12 - Modelo 1 - Método STEPWISE - Função LINEAR.Tabela Comparativa entre Modelos de Regressão que incluem apenas Variáveis
Estruturais (E), apenas Variáveis Estruturais e de Localização (Bairros / E-B) e Variáveis Estruturais, deLocalização e de Vizinhança (9m).
~ ~ " • t '" , ~
132
Anexo 13 - Modelo 1 - Método ENTER - Função SEMI-LOG.Tabela Comparativa entre Modelos de Regressão que incluem apenas Variáveis
Estruturais (E), apenas Variáveis Estruturais e de Localização (Bairros / E-B) e Variáveis Estruturais, deLocalização e de Vizinhança (9m).
133
Anexo 14 - Modelo 1 - Método STEPWISE - Função SEMI-LOG.Tabela Comparativa entre Modelos de Regressão que incluem apenas Variáveis
Estruturais (E), apenas Variáveis Estruturais e de Localização (Bairros / E-B) e Variáveis Estruturais, deLocalização e de Vizinhança (9m).
~ O~ OM
~ " • t
134
Anexo 15 - Modelo 2 - Matriz de Correlação das VariáveisIndependentes:
135
Anexo 16 - Modelo 2 - Método ENTER - Função LINEAR.Distâncias das 4 Favelas de Referência e da 5ª Favela mais Próxima, Diferente das 4 Anteriores.
I .. '" ,,,o • .. ." • '" .. " . •• ,, ~ . .. . , " . .. , ... ." .. •• " . . " .. "" .. ,,, .. •• ." ", •• .. .. •• ." •• .'" ." '"
i .. "'" •• . " •• ." •• .'" '" "" ' •• •• .. •• •• •• ,. •• •• ." •• •• .. • •• •• • • •• .. . ,,' .. •• " . •• , .. .. •• •• • • •• •• .. •• . - . . •• .. . • •• . " •• ' . •• •• .. •• •• • • •• .-
- .. ,,-I
,.. •• _ .
•• •• •• -- •• -•• • •• -
136
Anexo 17 - Modelo 2 - Método ENTER - Função LINEAR.Distância Mínima entre o Imóvel e as 5 Favelas (Dist Mín – 5), Distância Mínima entre o Imóvel e as 4
Favelas de Referência (Dist Mín – 4), Produto das Distâncias das 5 Favelas e o Imóvel (Prod 5) e Produto
das Distâncias das 4 Favelas de Referência e o Imóvel (Prod 4).
-,;",
•• ,. •• •• ,. ,. ". •• ,. O,. ,. •• ,. .. ". ,. -•• ,. •• •• ,. ,.
•• •• -- • • .... . -.....
--• --I -~" ,. ~-
•• -, -• • -- ,,. -.. ,
, . .. ••
." •• •• ". ,. ". , .. " ...
.-
,. ... ,. ••
,. ,. ,. ,. ". .-". " .. ... ..
0-
" .. " .. •
., . O" O'.
•• ... " .• , .. .. ,
•
'"' .. ;,;. •• "'.'<' O •
" . •• ".,..
.. • •• '"
O" 0 -
". "" ,. " .. .. , ,-
137
Anexo 18 - Modelo 2 - Método STEPWISE - Função LINEAR.Distâncias das 4 Favelas de Referência e da 5ª Favela mais Próxima, Diferente das 4 Anteriores.
I ,. •• '" •• .. . , . , . ,. .. •• '. ,., ,. ,. ,. ,. ,. ,. •• , . ,. • , . • ,. ,. ,. • • • ,. ,. •• - .. ... , . • .. ," . .. -, ,
.. '. .. '. .,. '" ..., .. .. .. .. i
.. •• ,. • • .. •• ,. •• ". •• ,. u", ,. •• .. •• ,. " '" .. ., . ,. ". ,. ••
'" ". '" .- • ,'o .. • ,. ,. ..
- .. ••
I ,.. ,. .-•• •• , . _. •• • •• -
138
Anexo 19 - Modelo 2 - Método STEPWISE - Função LINEAR.Distância Mínima entre o Imóvel e as 5 Favelas (Dist Mín – 5), Distância Mínima entre o Imóvel e as 4
Favelas de Referência (Dist Mín – 4), Produto das Distâncias das 5 Favelas e o Imóvel (Prod 5) e Produto
das Distâncias das 4 Favelas de Referência e o Imóvel (Prod 4).
• o. •• o • ". o. •• , . •• I .. .. , o • o. ,. ,., o. o.
o. • o • • .. • -i ... • ,. ... o • •• ,. ". .~ " . o. •• , " " ,
,. "". ,. .-,. . ,,~ .. ., . I
,. •• o • •• , . .. ' .. . .. ,.
I .-o. ~". ,. " '" o. '"'' .. •• o • "., o. •• .. • • ,. •• o • ". I ." •• - ." " .
• ,. ,. ,. '. ,.
--o --I - -" ,-.-, -- - ". • -- 0.- ". _.,
139
Anex
o 20
- M
odel
o 2
- Mét
odo
STEP
WIS
E - F
unçã
o SE
MI-
LOG
.R
egre
ssão
real
izad
a na
Fun
ção
SEM
I-LO
G, a
pena
s par
a as
var
iáve
is q
ue fo
ram
incl
uída
s no
mét
odo
STEP
WIS
E co
m a
funç
ão L
INEA
R.
;:- 5~:! o_'g
m! <lU • • ••
, ~~:
, :~:;; ,
, .. , 'UI " , • •• • • •• • • -, 5~: , ,,,.,. ! ------
, .. , m~ ,, ! " , • •• • •
H! , •• • ••
, ~!~
, .. .. ! , • • • • •
• H ! .' " ~" • • , ..... •
, :!! • ''''.' , , " ,
~ , .. , • , .. •
• I I ,