Quando o Cálculo Não Basta | 01

Calcular não é o mesmo que avaliar

Uma reflexão técnica sobre dados, amostra, inferência estatística, fundamentação e avaliação imobiliária.

Introdução

Na avaliação imobiliária contemporânea, especialmente com a utilização crescente de ferramentas computacionais e modelos de inferência estatística, existe um risco conceitual que merece ser discutido com seriedade:

A distinção parece simples, mas tem consequências importantes.

Um cálculo pode ser matematicamente correto, estatisticamente executado de forma adequada e reproduzível, sem que isso signifique, por si só, que o resultado represente adequadamente o valor do imóvel avaliando.

Isso acontece porque a avaliação imobiliária não começa no cálculo.

O cálculo é uma etapa de um processo muito mais amplo.

Antes dele existe a definição do problema, a caracterização do imóvel, a delimitação do mercado, a escolha da metodologia, a pesquisa, a seleção dos elementos amostrais, a análise das características dos dados, a verificação de sua comparabilidade e representatividade e a definição das variáveis que efetivamente serão utilizadas.

Depois dele ainda existe a interpretação dos resultados, a análise das limitações, a verificação dos pressupostos, o diagnóstico da aderência do modelo ao problema, a análise de eventuais extrapolações e a fundamentação da conclusão.

1. O computador calcula. Quem avalia é o profissional

A utilização de ferramentas computacionais trouxe enorme avanço para a avaliação imobiliária.

Modelos de regressão, tratamento estatístico, testes, gráficos, indicadores de ajuste, intervalos de confiança e estimativas podem ser obtidos com rapidez e precisão.

Isso é extremamente positivo.

O problema surge quando a tecnologia passa a ser tratada como se fosse responsável pelo próprio raciocínio avaliativo.

Um sistema computacional recebe dados, aplica procedimentos e produz resultados segundo as regras e parâmetros utilizados.

Ele não transforma automaticamente uma pesquisa ruim em uma boa pesquisa.

Não transforma uma amostra pouco representativa em uma amostra representativa.

Não transforma imóveis inadequadamente comparáveis em imóveis comparáveis.

Não elimina uma extrapolação simplesmente porque conseguiu calcular um valor fora da região central dos dados.

E não substitui a necessidade de justificar por que determinados elementos foram utilizados e outros não.

A tecnologia processa informação.

2. A avaliação começa antes da primeira equação

Imagine duas pesquisas com 40 elementos cada.

Em ambas, os dados são corretamente inseridos em um modelo de regressão.

Em ambas, os coeficientes são calculados corretamente.

Em ambas, os testes estatísticos são executados.

Em ambas, o software apresenta um resultado final.

Matematicamente, os dois modelos podem estar perfeitamente calculados.

Mas suponha que, na primeira pesquisa, os elementos representem adequadamente o mercado do imóvel avaliando, enquanto, na segunda, grande parte dos elementos pertença a um segmento diferente, esteja excessivamente distante das características do avaliando ou tenha sido selecionada sem uma justificativa adequada.

Temos então uma questão fundamental:

Não.

O modelo trabalha com os dados que recebeu.

A inferência estatística pode extrair informação dos dados disponíveis, mas não cria informação de mercado que não esteja adequadamente representada na amostra.

Por isso, a qualidade da avaliação depende também da qualidade da informação que antecede o modelo.

3. Amostra não é apenas uma coleção de imóveis

Em uma avaliação pelo método comparativo direto de dados de mercado, os elementos amostrais não são simplesmente uma lista de imóveis encontrada pelo avaliador.

Eles constituem a base empírica sobre a qual o raciocínio avaliativo será construído.

Por isso, é necessário perguntar:

• De onde vieram os dados?
• Em que período foram coletados?
• São ofertas ou transações?
• Em que mercado estão inseridos?
• São comparáveis ao imóvel avaliando?
• Quais características explicam as diferenças de preços?
• Essas características foram efetivamente observadas?
• As informações são confiáveis?
• Existem diferenças relevantes que precisam ser tratadas?
• A amostra representa o segmento de mercado pertinente?
• O imóvel avaliando está dentro do domínio característico dos dados utilizados?

Essas perguntas antecedem a regressão.

4. Quantidade não é sinônimo de representatividade

Esse é um dos pontos que mais precisam ser compreendidos.

Ter 50, 100 ou 200 observações não garante que elas representem corretamente o mercado do imóvel avaliando.

Imagine, por exemplo, que determinado imóvel esteja inserido em um segmento específico de mercado, mas a pesquisa seja ampliada artificialmente para regiões ou tipologias que possuem comportamento econômico diferente apenas para aumentar o número de observações.

O número aumentou.

Mas a representatividade pode ter diminuído.

Em inferência estatística, tamanho amostral é importante, mas não substitui a qualidade do desenho da pesquisa e a adequação dos dados ao fenômeno que se pretende explicar.

A questão não é simplesmente:

“Quantos imóveis foram pesquisados?”

A pergunta mais importante é:

5. Comparabilidade não significa apenas proximidade geográfica

Outro equívoco frequente é tratar imóveis próximos como necessariamente comparáveis.

Dois imóveis podem estar na mesma rua e apresentar diferenças relevantes em:

• área;
• padrão construtivo;
• idade;
• estado de conservação;
• localização específica;
• posição;
• topografia;
• características físicas;
• infraestrutura;
• características do terreno;
• características do empreendimento;
• condições de negociação;
• finalidade de uso;
• padrão de ocupação;
• entre outras variáveis relevantes.

Por outro lado, imóveis localizados em posições geográficas diferentes podem, em determinadas situações, apresentar características de mercado suficientemente comparáveis.

6. A regressão não escolhe o mercado pelo avaliador

Aqui aparece uma distinção essencial entre modelagem estatística e raciocínio avaliativo.

A regressão pode estimar relações entre uma variável dependente e variáveis explicativas.

Mas a decisão sobre quais dados devem compor a pesquisa e quais variáveis fazem sentido para aquele problema avaliativo não nasce automaticamente da equação.

A literatura técnica sobre regressão aplicada à avaliação imobiliária ressalta a necessidade de verificar pressupostos como comportamento dos resíduos, homocedasticidade, independência, pontos atípicos e multicolinearidade. Também destaca que o R², isoladamente, não é suficiente para avaliar a qualidade do modelo.

São perguntas diferentes.

7. Um R² elevado não encerra a discussão

O coeficiente de determinação, R², é uma medida importante.

Ele pode indicar quanto da variabilidade observada da variável dependente é explicada pelo modelo, dentro da amostra utilizada.

Mas ele não responde sozinho a perguntas como:

• Os dados são representativos?
• As variáveis escolhidas são adequadas?
• Os resíduos apresentam comportamento compatível com o modelo?
• Existe heterocedasticidade?
• Existem pontos influentes?
• Existe multicolinearidade?
• O modelo está sendo aplicado dentro do domínio dos dados?
• O imóvel avaliando é compatível com a população representada?
• Existe extrapolação relevante?
• O resultado é coerente com o comportamento do mercado?

É possível ter um excelente ajuste dentro de uma amostra mal escolhida.

Esse é precisamente o motivo pelo qual qualidade do ajuste e qualidade da avaliação não são conceitos idênticos.

8. Extrapolação: o cálculo pode continuar correto enquanto o problema aumenta

A extrapolação é outro exemplo de como a matemática pode continuar funcionando enquanto o risco avaliativo aumenta.

Um modelo pode calcular uma estimativa para um imóvel cujas características estejam além da região efetivamente observada na amostra.

A equação continua funcionando.

O número continua aparecendo.

A calculadora não apresenta uma mensagem dizendo:

Essa análise precisa ser feita pelo profissional.

Normas técnicas de avaliação estabelecem critérios específicos para extrapolação. Na norma do IBAPE/SP consultada, por exemplo, os requisitos para fundamentação por inferência estatística contemplam limites para extrapolação e condições específicas para sua aceitação.

Portanto, a existência de uma estimativa numérica não significa automaticamente que exista segurança avaliativa equivalente.

9. O que acontece quando os elementos amostrais não representam o avaliando?

Imagine que o imóvel avaliando possua uma combinação de características que praticamente não aparece na amostra.

O modelo pode encontrar uma equação.

Pode calcular coeficientes.

Pode gerar uma estimativa.

Mas quanto maior a distância entre o avaliando e o universo efetivamente observado, maior a necessidade de justificar a capacidade do modelo de sustentar aquela conclusão.

É nesse ponto que o avaliador precisa abandonar uma postura puramente operacional.

Não basta perguntar:

É preciso perguntar:

Essa é uma diferença fundamental entre modelagem estatística e avaliação imobiliária.

10. O cálculo também não encerra o trabalho

Existe outro erro conceitual: imaginar que, depois de obter o valor, terminou a avaliação.

Não terminou.

Depois do cálculo vem a análise.

O profissional precisa interpretar:

• o comportamento das variáveis;
• a significância dos parâmetros;
• os diagnósticos estatísticos;
• a influência das observações;
• os eventuais pontos atípicos;
• os limites da amostra;
• a existência de extrapolações;
• a coerência do valor estimado;
• a precisão obtida;
• as limitações do estudo;
• a compatibilidade entre o resultado estatístico e o problema avaliativo.

A avaliação, portanto, possui uma estrutura que pode ser representada de forma simples:

O cálculo está no meio desse processo.

Não no começo.

E muito menos no lugar de todo o processo.

11. E onde entra a fundamentação?

Aqui está um dos pontos mais importantes para a discussão pericial.

Uma avaliação não deve apenas apresentar um número.

Ela precisa permitir que o leitor compreenda por que aquele número foi obtido e em que condições ele pode ser considerado tecnicamente adequado.

A norma do IBAPE/SP estabelece que a fundamentação está relacionada tanto ao aprofundamento do trabalho quanto às informações que podem ser extraídas do mercado. Também determina que eventuais não atendimentos aos requisitos normativos sejam explicitados e justificados pelo profissional.

12. A avaliação como prova técnica

Quando uma avaliação é utilizada em um processo judicial, essa distinção ganha ainda mais importância.

O laudo não é apenas uma planilha com um valor final.

É uma peça de prova técnica.

O Código de Processo Civil estabelece requisitos para o trabalho pericial, e a jurisprudência do STJ demonstra que a análise judicial pode envolver justamente a suficiência da metodologia, dos elementos utilizados e dos esclarecimentos apresentados pelo perito.

Em decisão de 2025, o STJ examinou controvérsia sobre laudo utilizado para fixação de valor de aluguel e registrou como questão central justamente a observância dos requisitos técnicos e procedimentais aplicáveis à perícia; no caso analisado, o tribunal de origem havia concluído pela observância das normas da ABNT e pela suficiência dos esclarecimentos.

Em outro caso recente envolvendo avaliação de imóveis penhorados, foram discutidas alegações de ausência de detalhamento dos parâmetros e de explicitação dos critérios técnicos. A decisão destacou que a perícia havia explicado a metodologia e os critérios utilizados e considerou relevante a qualidade e a minúcia do trabalho apresentado.

13. O juiz não está obrigado a aceitar automaticamente o resultado do laudo

Também é importante não criar uma falsa ideia de que o valor produzido por um modelo estatístico se torna juridicamente incontestável.

A prova pericial é submetida à apreciação judicial.

O STJ já registrou que o magistrado não está vinculado às conclusões do laudo pericial, podendo apreciá-las juntamente com os demais elementos de prova, desde que fundamente sua decisão.

Isso reforça a importância da fundamentação.

Quanto mais transparente for esse caminho, mais tecnicamente compreensível será a avaliação.

14. O verdadeiro problema não é usar tecnologia

É importante deixar claro:

Ao contrário.

A avaliação imobiliária moderna se beneficia enormemente da estatística, da regressão linear, dos recursos computacionais e das ferramentas de tratamento de dados.

O problema está em transformar a ferramenta em protagonista do processo.

Um programa pode executar milhares de operações em poucos segundos.

Mas ele não assume a responsabilidade profissional pela escolha do problema.

Não conhece automaticamente as particularidades do mercado.

Não sabe, por si só, se uma determinada observação é economicamente representativa.

Não decide sozinho se uma diferença entre dois imóveis é relevante para aquela finalidade.

E não pode substituir a justificativa técnica do avaliador.

15. A pergunta correta não é “qual foi o valor?”

Em uma avaliação tecnicamente madura, a pergunta não deveria terminar em:

Deveria continuar:

• “Por que esse valor?”
• “Com base em quais dados?”
• “Esses dados representam o mercado?”
• “Por que esses elementos foram escolhidos?”
• “As características do avaliando estão adequadamente representadas?”
• “O modelo é adequado ao problema?”
• “Os pressupostos foram verificados?”
• “Existem extrapolações?”
• “Quais são as limitações?”
• “O resultado é compatível com o mercado observado?”
• “Tudo isso está demonstrado e justificado no trabalho?”

É nesse conjunto de perguntas que começa a verdadeira avaliação.

16. Uma conclusão que precisa ser levada a sério

Um cálculo pode estar perfeito.

Os coeficientes podem estar corretamente estimados.

Os testes podem ter sido corretamente executados.

Os gráficos podem estar impecáveis.

O relatório pode ser visualmente sofisticado.

E ainda assim existir uma pergunta anterior a tudo isso:

Se a resposta for incerta, o problema não está necessariamente na matemática.

Pode estar antes da matemática.

E, muitas vezes, pode estar também depois dela — na interpretação, na extrapolação, no diagnóstico, na fundamentação e na conclusão.

O número é importante.

Mas o número não se explica sozinho.

Uma avaliação tecnicamente consistente precisa explicar o caminho que levou ao número — e demonstrar por que esse caminho é adequado ao problema que se pretende resolver.