Os três pressupostos da regressão em avaliação de imóveis, e os seis testes que os medem

Atualizado em 17/08/2026 · AVALIANDUM

R² é o número que todos olham primeiro e o que menos protege um laudo. O que sustenta o intervalo declarado é o comportamento dos resíduos — e ele se verifica com testes nomeados, não com impressão.

A regressão linear usada em avaliação de imóveis não entrega só um valor: entrega um valor com intervalo. E o intervalo só vale o que diz valer se os resíduos do modelo satisfizerem três condições. Falhar em qualquer uma delas não impede a conta de fechar — impede a conta de significar o que se afirma que ela significa.

1. Normalidade dos resíduos

Os erros do modelo precisam se distribuir aproximadamente como a normal. É essa hipótese que sustenta os intervalos e os testes de significância dos coeficientes. Sem ela, o intervalo de confiança continua saindo — apenas não corresponde à probabilidade declarada.

Testes usuais: Kolmogorov-Smirnov, Jarque-Bera e Shapiro-Wilk. Convém olhar mais de um: eles são sensíveis a coisas distintas, e amostras pequenas — o caso corriqueiro em avaliação — têm pouco poder para rejeitar.

2. Homocedasticidade

A variância do erro deve ser constante ao longo da faixa estimada. Quando ela cresce com o valor — o padrão mais comum em imóveis —, o modelo erra pouco nos baratos e muito nos caros, e um intervalo único para toda a faixa passa a mentir nas duas pontas.

Testes usuais: Breusch-Pagan e White. É frequentemente o pressuposto que a transformação da dependente resolve — o logaritmo do valor unitário existe em tantos laudos por isso, não por tradição.

3. Ausência de autocorrelação

Um resíduo não pode prever o seguinte. Em avaliação, autocorrelação costuma denunciar estrutura que ficou de fora do modelo — vizinhança, eixo viário, data de coleta —, e que sobrou nos erros porque não entrou como variável.

Teste usual: Durbin-Watson.

Um exemplo com números reais

Amostra de 38 casas, dependente em ln(valor unitário), cinco explicativas. Os seis testes, com a significância de cada um:

O modelo fecha com R² de 0,775120 — ajustado 0,739983 — e F de Snedecor de 22,0597, com significância de 0,00%. Enquadramento: Grau III de fundamentação e Grau III de precisão, com 16 dos 18 pontos.

Um modelo com R² de 0,90 e resíduos heterocedásticos é mais frágil que um de 0,77 com os três pressupostos atendidos. O primeiro entrega um intervalo que não corresponde à confiança declarada; o segundo, sim.

O que fazer quando um pressuposto não fecha

1. Verifique a especificação antes da amostra. Variável relevante ausente aparece como autocorrelação e como heterocedasticidade, e nenhuma exclusão de dado conserta isso.
2. Considere transformar a dependente. É o caminho usual para variância crescente.
3. Só então examine pontos influentes — e, se excluir algum, escreva a justificativa no documento. Exclusão sem razão registrada é ponto perdido e alvo fácil.
4. Reavalie o sinal de cada coeficiente contra a lógica de mercado. Sinal invertido indica colinearidade, e colinearidade distorce tudo o que vem depois.

A ordem importa: mexer na amostra antes de revisar a especificação costuma melhorar o número e piorar o laudo.