Regressão linear na avaliação de imóveis: como ler R², significância e normalidade

A inferência estatística (regressão linear) é o método que a NBR 14653 mais valoriza no comparativo de dados de mercado. Mas o relatório de um modelo tem muitos números — e nem todos pesam igual. Este guia mostra o que olhar e em que ordem.

1. O modelo em uma linha

O modelo explica o preço (em geral o valor unitário, R$/m²) por variáveis como área, padrão e localização. Cada variável pode entrar transformada (ln, 1/x, x², √x) para captar a forma real da relação. Um exemplo de equação: ln(Valor unitário) = a + b × ln(Área).

2. Significância dos regressores (o que mais pesa)

Cada variável precisa mostrar que importa. A NBR 14653-2 (Tabela 1, item 5) limita o nível de significância de cada regressor, no teste bicaudal: • Grau III: até 10 %; • Grau II: até 20 %; • Grau I: até 30 %. Cuidado: alguns programas mostram o p unicaudal, que é a metade — e daria um grau a mais do que o real.

3. Significância do modelo (teste F)

O modelo como um todo precisa ser significativo: 1 % para Grau III, 2 % para Grau II, 5 % para Grau I (Tabela 1, item 6).

4. R² — importante, mas não decide sozinho

O R² ajustado diz quanto da variação dos preços o modelo explica. Abaixo de 0,75 merece atenção; mas um R² alto não salva um modelo com variável de sinal trocado (preço caindo com o padrão subindo), com multicolinearidade ou apoiado em um único dado influente. A norma não tem R² mínimo: ela cobra coerência e fundamentação.

5. Os pressupostos (diagnóstico)

• Normalidade dos resíduos: a referência prática é ter cerca de 68 %, 90 % e 95 % dos resíduos padronizados dentro de ±1, ±1,64 e ±1,96 desvios. • Outliers: resíduos além de ±2 desvios devem ser investigados — erro de digitação, imóvel atípico ou variável faltando. • Homocedasticidade: o gráfico de resíduos × valores ajustados não deve abrir em funil. • Multicolinearidade: duas variáveis dizendo a mesma coisa (área privativa e número de quartos, por exemplo) inflam os erros. • Influência: a distância de Cook aponta o dado que, sozinho, muda o modelo.

6. No Clipper

Na aba Tratamento de dados → Calcular modelo, o Clipper testa as combinações de variáveis e transformações e ordena pela fundamentação, não pelo R². O Diagnóstico mostra a dispersão, a distribuição dos valores (com a curva normal de referência), o boxplot com os outliers e os resíduos, com a distância de Cook; a Verificação diz item por item o que a NBR pede. O caminho completo está no Manual ilustrado aqui no fórum. Para modelo de imóvel rural, leia o artigo Imóvel rural.