No abstract

This is an open-access article distributed under the terms of the Creative Commons Attribution License.

A concepção do Imposto Territorial Rural - ITR está enraizada em métodos subjetivos que tornam esse tributo ineficiente e incoerente com seus propósitos originais. Visando fundamentar a base tributável do imposto e tornar o processo de cálculo mais transparente, este trabalho teve por objetivo verificar se a avaliação em massa de imóveis rurais pode ser utilizada como base para o cálculo do ITR. Baseando-se nas metodologias avaliatórias preconizadas pela NBR 14.653:3, utilizando os dados e mapas do Projeto de Irrigação e Drenagem da Cana-de-Açúcar - PROJIR na Região Norte Fluminense – RJ, aplicou-se a regressão múltipla em conjunto com a geoestatística na elaboração da Planta de Valores Genéricos – PVG em uma área rural. Para analisar o desempenho da avaliação foram utilizadas métricas recomendadas pela International Association of Assessing Officers - IAAO, as quais indicaram que, na regressão múltipla, o valor obtido da mediana das razões de avaliação (0,98) enquadrou-se no intervalo estabelecido pela norma (0,90 a 1,10), enquanto que o Coeficiente de Dispersão - COD (24,60%) e o Price Related Differential - PRD (1,23) mostraram-se superiores aos estabelecidos (20% e 1,03, respectivamente). Isto indica que, para a região do PROJIR, seria necessária uma quantidade maior de amostras para alcançar os intervalos estipulados pela norma. De acordo com os resultados obtidos nos testes estatísticos da regressão múltipla, e a dependência espacial comprovada pela análise dos semivariogramas, conclui-se que a utilização da regressão múltipla em conjunto com a krigagem ordinária, na avaliação em massa de imóveis rurais, é viável para fins de impostos e outras aplicações.

Housing Market appraisal studies generally apply classic regression models, whose parameters are globally estimated. However, the use of the Geographically Weighted Regression (GWR) model, allows the parameters to be locally estimated, increasing its precision. The aim of this article is to apply the GWR model to a sample of 82 apartments, in order to create a plan of values of some districts of the West Zone of Rio de Janeiro city, Brazil. With the proposed methodology, GWR and kernel estimator, it is possible to generate a surface of values. The performance of the surface of values was assessed with (i) cross-validation between the kernel functions, with the Root-Mean Square Standardized (RMSS) error; and with (ii) the GWR adjustment factors to determine the ideal bandwidth. The contribution of generating a surface of values with geographical location via kernel estimator lies on supporting apartment pricing, such as in calculating the venal value of apartments of the West Zone of Rio de Janeiro city, besides being applied in IPTU-Imposto sobre Propriedade Predial e Territorial (The Urban Real Estate Property Tax) and ITBI -Imposto de Transmissão de Bens Imóveis (Tax on the Transfer of Real Estate) and ITBI collection.

Nas avaliações em massa de imóveis tradicionalmente são utilizados os modelos clássicos de regressão linear (MCRL), entretanto tem-se verificado a necessidade de modelar os dados espacialmente. Os valores dos imóveis nas áreas rurais também são afetados pela localização geográfica, porém a modelagem dos efeitos geográficos, vem sendo utilizada principalmente nas avaliações de áreas urbanas. O objetivo deste artigo é a utilização de modelos de regressão geograficamente ponderadas - RGP em uma amostra de imóveis rurais para a elaboração da Planta de Valores Genéricos (PVG) para uma área da Região Norte Fluminense – RJ. A metodologia proposta é aplicar a RGP, avaliar seu ajuste e desempenho com relação ao MCRL e produzir a PVG por meio do interpolador Kernel. A amostra contou com 113 observações e 25 amostras de verificação. O desempenho da superfície de valores obtida foi analisado através Mediana das Razões, Coeficiente de Dispersão - COD e Diferencial Relativo ao Preço - PRD e comparados com os valores de referência recomendados pela IAAO (International Association of Assessing Officers). O modelo RGP foi superior ao MCRL em todos os critérios analisados e pode-se concluir que a RGP deixou a modelagem mais ajustada e, portanto, foi superior a modelo clássico de regressão. Quanto ao uso da Geoestatística para interpolar os valores e gerar a PVG, o Kernel se mostrou apropriado, pois gerou uma superfície detalhada, possibilitando a geração de valores entre os vizinhos, considerando-se que dificilmente se obtém dados na coleta em campo para toda a área estudada, principalmente em áreas rurais. Palavras-chave: Avaliação em Massa, Regressão Geograficamente Ponderada, Kernel, Imóveis Rurais, GWR