| Summary: | Resumo O cálculo do Imposto sobre a Propriedade Predial e Territorial Urbana (IPTU) tem como base o valor venal do imóvel, geralmente estabelecido na planta de valores genéricos (PVG) dos municípios. No entanto, existem municípios, principalmente os de pequeno porte, que não realizam a cobrança do IPTU. Esse fato se deve à desatualização do cadastro imobiliário e à falta de metodologia robusta e fácil para determinação do valor venal, de pessoal capacitado e de recursos financeiros. Nesse sentido, o objetivo deste trabalho foi aplicar a combinação do modelo de regressão espacial e a modelagem dos fatores de localização para determinar o valor venal de cada imóvel de um município de pequeno porte para a geração da planta de valores genéricos. O estudo foi desenvolvido na cidade de São Gotardo/MG. Foram utilizadas 184 amostras de avaliações de imóveis residenciais realizadas pela Caixa Econômica Federal no período de 2012 a 2013. A fim de analisar a aplicação dos modelos espaciais, foram gerados quatro modelos de regressão múltipla a partir das variáveis dependentes logaritmo do valor total e logaritmo do valor unitário e das variáveis independentes relativas às características construtivas das edificações, conforme estudos anteriores, bem como foram testadas variáveis adicionais referentes às características do terreno. Para os modelos que apresentaram dependência espacial no erro, foi gerado o modelo espacial do erro para determinar uma nova variável homogeneizada que englobasse o fator localização, (VH), a qual foi utilizada como variável independente de um novo modelo de regressão linear. A escolha do melhor modelo de regressão se deu a partir da análise do menor Coeficiente de Dispersão, bem como pelo atendimento aos pressupostos do modelo de regressão linear. O modelo com a variável dependente logaritmo do valor unitário e a variável homogeneizada como independente foi o que apresentou melhor resultado, atendendo a todos pressupostos. Dessa forma, foi possível verificar que a variável homogeneizada melhora a performance do modelo de regressão linear, visto que insere o fator localização dos imóveis nas variáveis independentes.
|
|---|
