A compra de um imóvel é o objetivo da maioria dos seres humanos, pois está fortemente ligada à sensação de estabilidade e à segurança. Em conjunto com essa necessidade humana de possuir um lar, o mercado imobiliário mostra-se fundamental, pois é a ferramenta que conecta vendedores e compradores, além de ser um fator determinante para a economia do país (Nobre et al., 2016).

Em 2022, no Brasil, estavam empregadas formalmente na construção civil 2.667.550 pessoas e 188.157 nas atividades imobiliárias (RAIS, 2022). O segmento de habitação popular no Brasil, em 2023, teve um crescimento na movimentação de R$11,9 bilhões de acordo com o indicador Abrainc-Fipe. O segmento de imóveis de médio e alto padrão representou R$ 10,7 bilhões em transações no mesmo ano. Esses valores demonstram o protagonismo e a importância do mercado imobiliário no âmbito econômico (Ábaco, 2024).

A avaliação dos compradores em relação a um imóvel considera atributos como número de banheiros, quartos e o fato de possuir ou não garagem, de modo que as vantagens proporcionadas por eles sejam equivalentes ao preço pago. Logo, o imóvel terá um maior valor atribuído quanto mais numerosos forem tais atributos (Dantas, 2000).

De uma perspectiva macroeconômica, a dinâmica dos preços dos imóveis baseia-se nas oscilações da oferta e demanda. Pelo lado da demanda, os principais fatores são a expectativa do valor dos imóveis, renda, taxa de juros dos empréstimos para financiamento, localização, mercado de trabalho e expectativa de retorno sobre o bem. Pelo lado da oferta, de acordo com a teoria econômica tradicional, há dois fatores fundamentais que influenciam em uma maior ou menor oferta de imóveis: o preço do bem tem uma influência positiva na oferta, e os custos de produção, como o preço da terra, salários dos trabalhadores e o custo do material de construção, têm uma influência negativa (Pessoa; Rivero; Cerefeira, 2021).

Do ponto de vista macroeconômico, a dinâmica dos preços imobiliários é determinada pela interação entre oferta e demanda. No que diz respeito à demanda, os principais fatores influentes incluem as expectativas de valorização dos imóveis; a renda disponível das famílias; as taxas de juros dos financiamentos habitacionais; a localização; as condições do mercado de trabalho; e a expectativa de retorno sobre o investimento. Quanto à oferta, conforme a teoria econômica tradicional, dois elementos são fundamentais: o preço do imóvel, que exerce influência positiva – quanto maior o preço, maior o estímulo à oferta; e os custos de produção – incluindo o preço da terra, os salários da mão de obra e os materiais de construção -, que apresentam relação inversa com a oferta (Pessoa; Rivero; Cerefeira, 2021).

Em consonância com o exposto acima, levantou-se a problemática da pesquisa: Quais fatores infraestruturais influenciam na determinação de preço de imóveis do tipo apartamento disponíveis na cidade de Chapecó, Santa Catarina? Dessa forma, o objetivo do trabalho é analisar os fatores que influenciam no preço de imóveis do tipo apartamento na cidade de Chapecó, Santa Catarina. Para responder ao problema, foi estimado um modelo de regressão, utilizando como base de dados informações disponibilizadas por uma imobiliária em seu site no ano de 2024.

O enfoque deste artigo é a precificação de imóveis na cidade de Chapecó, Santa Catarina, município que está em constante desenvolvimento. De acordo com o Censo de 2010, havia aproximadamente 183.530 mil pessoas residentes na cidade. No ano de 2022, o número elevou-se para 254.785 mil habitantes, um aumento populacional de 38,82% (IBGE, 2010, 2022). Esse crescimento se dá em virtude da grande disponibilidade de empregos e oportunidades de estudo ofertados na cidade catarinense, atraindo imigrantes. No ano de 2023, segundo a prefeitura de Chapecó-SC e o Centro de Atendimento ao Imigrante (CAI), havia cerca de 15 mil imigrantes no município, ocasionando um aumento da demanda imobiliária na cidade (Prefeitura de Chapecó, 2023).

No ano de 2016, Chapecó registrava 4.764 pessoas formalmente empregadas no setor de construção e 391 em atividades imobiliárias. Em 2022, esses números passaram para 7.065 (crescimento de 48%) e 431 (crescimento de 10%) respectivamente (RAIS, 2016, 2022).

O modelo de regressão permite dimensionar de que maneira fatores como área, localização, número de pavimentos, número de quartos, existência de vagas de estacionamento, piscina e outros elementos influenciam o valor final da venda. Em geral, as pequenas e médias cidades ainda não usam modelos estatísticos baseados em regressão para avaliação, em parte, porque não há uma reputação de levantamentos aplicados para modelagem da equação. Além disso, levam em consideração os altos custos para coleta e análise dos dados (Tischer; Gonzalez, 2022).

Atribuir valor a um bem imóvel, especialmente um apartamento, é um desafio complexo que envolve uma variedade de elementos, desde características físicas até fatores socioeconômicos. Compreender esses fatores e sua relação com os preços é crucial para investidores, locatários e profissionais do mercado imobiliário mapearem riscos e diminuírem as chances de erro nas operações (Peev, 2022). A temática é relevante para uma ampla gama de stakeholders, oferecendo uma base sólida para decisões informadas e promovendo um desenvolvimento econômico equilibrado e sustentável na região.

O restante do artigo está estruturado da seguinte forma: a seção 2 apresenta uma revisão da literatura já publicada sobre a temática; a seção 3 detalha a estratégia empírica utilizada; a seção 4 apresenta os resultados da análise de regressão; a seção 5 conclui o trabalho.

Nesta seção, apresentam-se trabalhos correlatos a esse quanto ao objetivo, ao método e às variáveis utilizadas.

Nobre et al. (2016) visaram entender se as características apresentadas pelo modelo hedônico realmente influenciam no preço dos imóveis na cidade de Mossoró/RN. Realizaram uma pesquisa composta por dados secundários, extraídos em um site imobiliário da cidade durante o ano de 2012, abrangendo uma amostra de 50 bairros, com uma coleta de dados de 512 imóveis, sendo eles apartamentos, casas e casas duplex. Contudo, nem todos os dados coletados apresentavam todas as variáveis estudadas, reduzindo a amostra a 111 imóveis. Utilizaram testes de correlação e regressão múltipla com o uso do procedimento Stepwise e desenvolveram um modelo econométrico em que o preço do imóvel é a variável dependente, e as características são variáveis independentes. Os resultados mostraram que as variáveis: números de suítes, números de quartos e tamanho do imóvel, influenciam positivamente no preço.

Mateus, Mateus e Bueno Filho (2019) estimaram um modelo de regressão múltipla capaz de identificar variáveis que têm influência sobre o valor de imóveis residenciais. Para estimação do modelo, foi considerado como variável dependente o valor do imóvel, enquanto as variáveis independentes constituíram na área do terreno, idade do imóvel, distância até o marco central da cidade, número de cômodos e número de comércios próximos ao imóvel. Os dados foram coletados do site de uma imobiliária na cidade de Curitiba. Como resultado, observaram que a variável valor de imóvel sofre uma influência significativa em relação à área do terreno, à idade do imóvel e ao número de cômodos. Esta análise pode contribuir para que o futuro proprietário avalie se o preço praticado é um preço justo de venda.

Paz, Nobre e Nobre (2020) buscaram analisar a formação de preços do mercado imobiliário de Mossoró-RN, descrevendo as variáveis determinantes na formação do preço dos imóveis. A amostra compôs-se de 478 imóveis, utilizando-se dados baseados nos registros disponibilizados por seis sítios imobiliários da cidade no ano de 2015. Para análise dos dados, utilizam-se, inicialmente, a estatística descritiva das variáveis e, em seguida, a regressão múltipla. Os resultados sugeriram que o valor do imóvel sofre influência diretamente da classificação do bairro, da área do imóvel (m²), do número de salas, garagens, dormitórios, suítes, cozinhas e banheiros. As variáveis independentes anteriores explicaram 66,1% da variação do preço do imóvel.

Angelis (2021) analisou o impacto de variáveis hedônicas na precificação de imóveis residenciais na planta na cidade de Curitiba.

As variáveis independentes quantitativas, analisadas no modelo, foram localização, área (m²), andar, unidade por pavimento, elevadores, vagas de garagem, quartos e banheiros. Para o estudo, foi utilizado como referência um imóvel com lançamento comercial previsto para 2021, coletando o preço dele em diferentes imobiliárias. As variáveis qualitativas foram portaria, play ground, salão de festas, espaço gourmet, espaço fitness, quadra de esportes e cinema. A coleta de dados foi feita com base em entrevistas com imobiliárias. Mediante os resultados obtidos para o modelo formulado, foi possível confirmar a grande relevância de variáveis que compõem a base de um imóvel. Essas variáveis estão relacionadas às necessidades básicas do comprador.

Apolônio (2022) buscou demonstrar como a restauração de um imóvel o valoriza em relação aos demais que seguem um padrão antiquado, analisando a fachada e as áreas comuns, utilizando uma amostra de 20 imóveis com dados de 2021. As variáveis usadas para o modelo foram área privativa (m²), padrão construtivo, número de pavimentos e valor unitário. Utilizaram-se, como base, o método comparativo direto para a homogeneização de dados e o modelo de regressão múltipla para correlacionar as variáveis dependentes e independentes. Os resultados mostraram que o valor do imóvel antes da restauração, com as devidas correções monetárias, é em média 6,6% menor do que o valor após a reforma e modernização sofridas pelo imóvel.

Tischer e Gonzalez (2022) buscaram apresentar um modelo de preços de mercado de apartamentos de classe média no município de Chapecó utilizando métodos estatísticos para construção de uma equação de referência, com dados coletados no ano de 2020, obtendo uma amostra de 20 imóveis. Usando um modelo de regressão múltipla com variáveis levantadas por meio de informações básicas encontradas em sites de agentes imobiliários. O enfoque do trabalho foi interpretar as variáveis com maior significância, sendo elas padrão de acabamento, localização, número de garagens e áreas privativas. Para corrigir o problema de colinearidade, o variável número de quartos presentes no modelo inicial foi desconsiderado do modelo final. Com exceção da variável quartos e suítes, todas as variáveis apresentaram um nível de significância estatística a 95% de confiança.

Os trabalhos apresentados mostram que o método de regressão múltipla é mais utilizado para cumprir o objetivo de estimar os determinantes do preço de um imóvel e mostra a importância do presente trabalho para o município de Chapecó, haja vista que apenas um trabalho com a mesma temática foi apontado, e trata-se de dados do ano de 2020.

Este estudo utilizou regressão múltipla a fim de identificar e interpretar de que maneira as características físicas (variáveis independentes) influenciam na determinação de preço (variável dependente) de imóveis do tipo apartamento disponíveis na cidade de Chapecó, Santa Catarina.

Segundo Gujarati e Porter (2011), a análise de regressão é um método utilizado para determinar fórmulas que expliquem relações de dependência entre as variáveis estudadas, ou seja, prever uma variável dependente por meio de variáveis independentes. Portanto, a equação de regressão que será utilizada é apresentada na equação 1.

Equação 1

Onde o Y é o valor do imóvel tipo apartamento, β0 é o intercepto, β1… βn são os parâmetros estimados das variáveis explicativas, X1… Xn são as variáveis explicativas e ε é o termo de erro da regressão.

Para que o modelo de regressão alcance a eficácia desejada, é preciso seguir alguns pressupostos, que servem para comprovar a conexão entre as variáveis e sua confiança para previsões. Gujarati e Porter (2011) descrevem os seguintes pressupostos:

O quadro 1 apresenta a descrição das variáveis utilizadas no modelo.

A análise foi realizada por meio do software estatístico Gretl. Foi considerado um nível de confiança padrão de 95% e 5% de significância. Outro indicador analisado foi o coeficiente de determinação que demonstra o grau de explicabilidade do modelo em relação às variáveis independentes.

A população do estudo se refere a todos os apartamentos à venda no município de Chapecó. O espaço amostral foi calculado a partir da quantidade de domicílios urbanos que é de 27.845 com grau de confiança de 95% e margem de erro de 6%. A amostra total de apartamentos é de 264 imóveis extraídos do website da imobiliária Nostra Casa, onde se concentra o maior número de imóveis expostos para venda no município de Chapecó-SC. Optou-se por coletar os dados em apenas uma imobiliária para não ocorrer em duplicidade de apartamentos, pois o mesmo imóvel pode ser anunciado por diversas empresas. Os dados foram coletados em abril de 2024.

Para a interpretação das variáveis dummies (variáveis binárias que assumem valor 0 ou 1 para representar categorias) em regressões semilogarítmicas (em que a variável dependente é log-transformada) tomamos o antilogaritmo (para base e) do coeficiente binário estimado, subtraímos 1 dele e multiplicamos a diferença por 100 conforme equação 2 (Gujarati; Porter, 2011).

Equação 2

Neste tópico, são apresentados a estatística descritiva da amostra, a análise dos pressupostos, bem como os resultados obtidos por meio da aplicação da regressão múltipla. A tabela 2 apresenta a análise descritiva da amostra.

Os 264 apartamentos pesquisados apresentaram preço médio de R$ 757.607,10 com preço mínimo de R$ 115.000 e máximo de R$ 2.650.000. A média foi de 2,55 quartos, 2,09 banheiros e área de 109,42m². Além disso, 239 apartamentos tinham garagem, 59 tinham piscina no prédio e 198 tinham churrasqueira no apartamento.

A tabela 2 apresenta os resultados dos testes de hipóteses para os pressupostos.

De acordo com a tabela 2, os pressupostos da homocedasticidade, normalidade e multicolinearidade foram atendidos, pois apresentaram p-valores maiores que 0,05 (assumindo 95% de confiança) ou dentro dos parâmetros aceitáveis no caso da multicolinearidade.

A tabela 3 apresenta os resultados da estimação do preço dos apartamentos na cidade de Chapecó-SC.

A equação de regressão encontrada para prever os preços é mostrada na equação 3.

Equação 3

Por meio do modelo obtido, todas as variáveis analisadas foram estatisticamente significantes a 95% de confiança e a 99%, exceto a variável churrasqueira que apresentou significância estatística de 90% de confiança. O coeficiente de determinação ajustado (R²) demonstra que 75,02% da variação do preço dos imóveis é explicada pelo modelo.

De acordo com resultados, um aumento de uma unidade no número de quartos está associado a um aumento de 33,34% no preço do imóvel, mantendo as demais variáveis constantes, o que confirma a importância desse atributo como um dos principais determinantes do valor residencial.

Um aumento de uma unidade no número de banheiros resulta em um acréscimo de 14,96% no preço, reforçando que imóveis com mais banheiros tendem a ser valorizados, especialmente em unidades maiores ou de padrão superior.

A variável metragem por quarto também exerce um efeito positivo: para cada aumento de uma unidade nessa relação, o preço do imóvel aumenta em 1,82%. Esse resultado sugere que a preferência dos compradores pode estar mais ligada ao tamanho e ao conforto dos quartos do que à mera quantidade, destacando a valorização de espaços amplos em imóveis residenciais.

Em relação, às variáveis dummies que representam a presença de garagem, piscina e churrasqueira, todas apresentaram um valor positivo, indicando que a presença de tais características agrega maior valor à venda final do imóvel, mantendo as demais variáveis constantes. Um apartamento com garagem tem um preço, em média, 17,60% maior do que um sem garagem. Da mesma forma, a presença de piscina no condomínio está associada a um aumento de 25,49% no valor do imóvel, enquanto a churrasqueira eleva o preço em 7,53%.

Esses resultados estão em consonância com estudos anteriores. Tischer e Gonzalez (2022) também identificaram a garagem como uma variável relevante para a precificação de imóveis em Chapecó, embora tenham tratado essa variável de forma quantitativa, enquanto o presente estudo utilizou uma abordagem binária (dummy), evidenciando a simples presença ou ausência dessa característica.

Além disso, Angelis (2021), ao investigar o impacto de variáveis hedônicas em imóveis residenciais na planta em Curitiba, encontrou resultados semelhantes em relação ao número de quartos e banheiros, além da área privativa. No entanto, no presente estudo, a área privativa não se mostrou significativa de forma isolada, sendo melhor representada por meio da razão entre metragem e número de quartos, o que permitiu captar, de maneira mais precisa, a valorização de espaços amplos em relação à quantidade de cômodos.

Este artigo teve por finalidade identificar os fatores que influenciam na determinação de preço de imóveis do tipo apartamento na cidade de Chapecó, Santa Catarina.

Os resultados foram obtidos mediante aplicação de um modelo de regressão múltipla, utilizando características infraestruturais dos imóveis coletados no site de uma imobiliária no ano de 2024.

As características que apresentaram significância estatística foram o número de quartos, relação metragem/quartos, número de banheiros, presença de garagem, piscina e churrasqueira, todas demonstrando uma relação positiva na precificação, ou seja, agregando valor à comercialização do imóvel.

A análise reforça que as características internas do imóvel, especialmente o número de quartos e a metragem por quarto, são os principais fatores determinantes do preço. Além disso, a presença de comodidades de lazer e conveniência, como garagem e piscina, exerce um impacto significativo no valor final. Esses achados são relevantes para proprietários, compradores e agentes imobiliários, pois ajudam a estabelecer preços mais justos e alinhados às expectativas do mercado.

Destaca-se que as variáveis consideradas para a estimação do modelo foram limitadas às informações disponíveis no site da imobiliária, utilizada como fonte de dados. Outras informações que podem exercer influência no preço de imóveis, como mobília, pavimento, localização e presença de elevador, em grande parte das amostras estavam omitidas na data da coleta, o que tornou inviável suas utilizações para estimação do modelo final.

Observando a quantidade de variáveis não exploradas em razão das limitações enfrentadas, torna-se evidente a diversidade de fatores que podem influenciar a precificação de um imóvel, abrindo, assim, uma ampla gama de possibilidades de pesquisas futuras que visem mensurá-las. Além disso, sugere-se, como aprimoramento futuro, a ampliação da base de dados para outras imobiliárias e a aplicação do modelo a outras localidades para fins comparativos.