Available via license: CC BY 4.0
Content may be subject to copyright.
Abstract
This paper estimates quantile hedonic price in-
dexes for apartments in Belo Horizonte, Brazil,
1995-2012. From an urban economic point of
view, the real estate is one example of a seg-
mented market and for this reason we choose
the quantile regression approach. The several
results suggest that before 2004, when there
was a lack of institutional mark for the real es-
tate mortgages and macroeconomics environ-
ment was too uncertain, there a little apprecia-
tion in apartments prices. In this period there
wasn’t a regular pattern in quantile apprecia-
tion. Since 2005, there was a great appreciation
of apartments in all segments of the market,
since the real estate mortgage increases due to
the reformulation of the real estate mortgage
institutional market. Before 2009, the appre-
ciation was more pronounced in the highest
segments. Since 2009, there was a reversion of
the quantile appreciation pattern. The appre-
ciation in lowest segments was higher than in
the highest. Partly, this change can be attribut-
ed to countercyclical policies implemented by
Brazilian Government which focus on families
with medium and low incomes.
Keywords
real estate market, price indexes, hedonic
prices, quantile regression.
JEL Codes R21, R31, C1.
Resumo
Este trabalho tem como objetivo estimar índice de
preços hedônicos-quantílicos para o mercado de
apartamentos em Belo Horizonte, entre 1995 e
2012. A técnica de regressão quantílica foi utili-
zada pelo fato de o mercado imobiliário ser seg-
mentado. Os resultados indicam que até 2004 a
valorização imobiliária foi modesta. Contribuí-
ram para esses resultados a falta de um marco
institucional para o Sistema Financeiro da Ha-
bitação (SFH) e o ambiente macroeconômico in-
certo. Por essa razão, não houve um padrão para
a valorização imobiliária nos diversos quantis.
A partir de 2005, a valorização imobiliária foi
intensa em todos os segmentos. Até 2009, os
segmentos superiores exibiram maiores taxas de
valorização. A partir de 2009, houve uma rever-
são desse padrão de valorização nos quantis, e os
apartamentos dos segmentos inferiores passaram
a exibir maior valorização. Parte dessa mudança
pode ser atribuída às políticas anticíclicas adota-
das pelo Governo Federal para atenuar os efeitos
recessivos da crise mundial.
Palavras-chave
mercado imobiliário, índice de preços, preços he-
dônicos, regressão quantílica.
Códigos JEL R21, R31, C1.
Luiz Andrés Ribeiro Paixão
(1)
Viviane Luporini
(2)
(1) Instituto Brasileiro de Geografi a e Estatística
(2) Universidade Federal do Rio de Janeiro
DOI: http://dx.doi.org/10.1590/0103-6351/3637
A valorização imobiliária em Belo Horizonte,
1995-2012: uma análise hedônica-quantílica
Belo Horizonte’s real estate valuation, 1995-2012: a hedonic-quantile approach
851v.29 n.3 p.851-880 2019 Nova Economia�
Paixão & Luporini
1 Introdução
A partir da segunda metade dos anos de 2000 houve uma intensa valoriza-
ção imobiliária no Brasil. Mudanças no mercado de crédito habitacional,
como a regulamentação do instituto da alienação fi duciária, somadas à que-
da na taxa de juros e ao aumento da renda, impulsionaram a demanda por
imóveis. Demanda esta que se encontrava reprimida pela pequena oferta
de crédito imobiliário, devido à falta de um marco institucional claro para
o sistema de fi nanciamento da habitação, e ao ambiente macroeconômico
turbulento do fi nal dos anos de 1990 e primeiros anos de 2000, marcado
por crises internacionais que contagiaram a economia nacional, por política
monetária restritiva e pelo baixo crescimento da renda das famílias.
O comportamento recente do mercado imobiliário brasileiro lançou luz
à questão da ausência de um índice de preços imobiliário ofi cial e à neces-
sidade de se construir índices de preços para imóveis. Surgiram, nos últi-
mos anos, dois índices de imóveis que ganharam projeção nacional, embo-
ra não sejam ofi ciais. O índice FipeZap de imóveis anunciados, divulgado
pela Fundação Instituto de Pesquisa Econômica (FIPE) e o Índice de Valores
de Garantia de Imóveis Residenciais Financiados (IVG-R), divulgado pelo
Banco Central do Brasil (BCB) a partir de 2013. Embora esses índices re-
presentem valiosa fonte de informação sobre o comportamento dos preços
dos imóveis no Brasil, algumas lacunas persistem. Primeiramente, nenhum
deles fornece informação para períodos anteriores a março de 2001. Em
termos de método, ambos utilizam a mediana estratifi cada. Porém, existe
um consenso na literatura de que índices estimados a partir de modelagem
econométrica geram resultados mais robustos (Diewert, 2009).
Índices consagrados como S&P/Case-Shiller Home Price Index, publica-
do nos Estados Unidos (EUA), e índices divulgados por institutos ofi ciais
de estatística como The New House Price Index, dos EUA, Índice de Precios
de Viviendas, Espanha, e Conseil Supérieur du Notarist House Price Index, da
França, são exemplos de índices de preços mensurados através de modelos
econométricos. A estimação de índice de preços para imóveis, por meio de
métodos de regressão, tem sido comum na literatura acadêmica, como nos
trabalhos de Gatzlaff e Ling (1994), Hoesli, Giaccotto e Favarger (1997),
Hill, Melser e Syed (2009), Maurer, Pitzer e Sebastian (2004) e Pavese
(2007). Existem algumas aplicações para a realidade brasileira, como os
trabalhos de González (1997), Rozenbaum e Macedo-Soares (2007), Ro-
852 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
zenbaum (2009), Rêgo (2009), Bianconi e Yoshino (2013) e Paixão (2015).
Com exceção do trabalho de Rêgo (2009), que busca estimar índices na-
cionais, os demais trabalhos brasileiros centram-se em uma única cidade.
Do ponto de vista da abrangência temporal, os trabalhos de Rozenbaum
(2009) e Paixão (2015) são os mais extensos, estimando índices de preços
para apartamentos, no município do Rio de Janeiro, entre 1997 e 2007, e
Belo Horizonte, entre 1995 e 2003, respectivamente.
Os trabalhos citados , tanto na literatura internacional quanto na nacio-
nal, analisam o mercado imobiliário como sendo único. Porém, Grigsby,
Baratz e Maclennan (19871, apud Megbolube, Hoek-Smith e Linneman,
1996) e Zietz, Zietz e Sirmans (2008) argumentam que o mercado imobi-
liário é segmentado. A determinação do preço do imóvel varia de acordo
como o segmento de mercado, isto é, do perfi l de renda e da capacidade de
acessar o crédito imobiliário por parte das famílias. A metodologia econo-
métrica para lidar com a segmentação do mercado é a regressão quantílica,
em que cada quantil da distribuição representa um segmento de mercado.
Desse modo, pode-se supor que a dinâmica dos preços imobiliários varia de
acordo com o segmento. Recentemente surgiram na literatura internacional
alguns estudos estimando índice de preços nos quantis, como Els e Fintel
(2010), Barthélémy, Rosiers e Baroni (2013), Deng, McMillen e Sing (2012),
Coulson e McMillen (2007) e McMillen (2014)2. Para o Brasil, até o presente
momento3, ainda não há estudos estimando índices de preços quantílicos
para imóveis. Furtado (2007) utilizou um modelo hedônico-quantílico para
uma análise cross-section do mercado imobiliário de Belo Horizonte.
O presente estudo busca preencher essa lacuna da literatura nacional,
aplicando a regressão quantílica para estimar índice de preços para imó-
veis. Para isso, utilizaremos uma base de dados contendo informações
sobre apartamentos transacionados no município de Belo Horizonte, en-
tre 1995 e 2012. A análise será feita conjugando a literatura do mercado
imobiliário segmentado com a discussão em torno dos diferentes métodos
de estimação de índice de preços hedônicos para imóveis. A partir dessa
discussão os objetivos do trabalho são:
1 GRIGSBY, W.; BARATZ, M.; MACLENNAN, D. The dynamics of neighbourhood change and
decline. Oxford: Pergamon, 1987. 76 p.
2 McMillen (2014) mensurou índices de preços por quantis a partir de uma regressão geo-
grafi camente ponderada.
3 Este artigo foi submetido em 2016.
853v.29 n.3 2019 Nova Economia�
Paixão & Luporini
a) Avaliar se houve alguma diferença no padrão de valorização imobi-
liária nos diferentes segmentos do mercado imobiliário;
b) Apresentar uma pequena discussão sobre os possíveis fatores da con-
juntura econômica que possam ter afetado a valorização imobiliária
observada no período analisado.
Além de responder as questões acima, o artigo terá como contribuição
analisar o mercado imobiliário em um período extenso, 1995-2012, uma
vez que as contribuições acadêmicas existentes aplicadas a mercados bra-
sileiros cobrem um período menor. Por fi m, a discussão sobre o método é
pertinente em uma realidade onde não existe um índice ofi cial de preços
de imóveis, e, com exceção do trabalho de Rozenbaum (2009), a literatura
acadêmica não tem discutido a fundo essa questão.
O texto que se segue está organizado em três seções. Após esta Intro-
dução, a segunda seção discute a mensuração de índice de preços a partir
do modelo de preços hedônicos, sob a perspectiva do mercado imobiliário
segmentado. Nessa discussão, justifi ca-se a mensuração de índice de pre-
ços hedônicos-quantílicos para imóveis. A terceira seção apresenta a base
de dados, o modelo a ser estimado e os resultados.
2 Índice de preços hedônicos nos quantis
2.1 Índice de preços para imóveis
O imóvel pertence à classe dos “bens diferenciados” assim caracterizados
porque cada unidade/modelo se diferencia das demais pela composição
dos atributos. A literatura de índice de preços, portanto, buscou encontrar
uma forma de medir a variação de preços que controlasse as diferentes
composições de atributos. Hill (2013) acrescenta que o imóvel é um tipo
especial de bem durável, uma vez que cada unidade do imóvel é distin-
ta das demais. No mercado de imóveis unifamiliares (casas) esse caráter
peculiar do imóvel é evidente. Mas mesmo no mercado de residências
multifamiliares (apartamentos e condomínios) essa idiossincrasia se apli-
ca porque mesmo apartamentos no mesmo prédio estão localizados em
posições diferentes o que embute, por si só, um tipo de diferenciação.
Somado a isso, cada unidade imobiliária é vendida de forma inconstante
no tempo, tornando praticamente impossível à construção de uma cesta
854 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
de unidades imobiliárias. Por fi m, os atributos que constituem um imóvel
são tanto físicos (características de cada unidade) quanto espaciais (carac-
terística da localização).
A literatura trabalha com três tipos de métodos para mensurar índice
de preços para imóveis. O método mais simples é o estratifi cado. Por essa
metodologia, o índice de preço é mensurado para estratos de imóveis. Em
geral, defi nem-se os estratos e calcula-se a trajetória do valor da mediana de
cada estrato. O estrato pode ser uma característica ou combinações de ca-
racterísticas dos imóveis. A maior crítica a esse tipo de metodologia é que o
imóvel é composto por um conjunto grande de atributos, ou seja, limitar os
estratos a um ou a uma combinação de dois ou mais atributos acaba por ge-
rar índices viesados (Diewert, 2009). Existe ainda um trade off na medida em
que se adicionam novos atributos, menos observações tende a se ter para
cada estrato, o que pode gerar problemas na estimação. Por isso, a literatura
passou a trabalhar com índices estimados por modelos econométricos.
O método das vendas repetidas (MVR), desenvolvido por Bailey, Muth
e Nourse (1963), é uma alternativa ao método de estratifi cação. Nesse
caso, utiliza-se uma amostra composta apenas por unidades imobiliárias
que foram vendidas e posteriormente revendidas. Ao limitar a amostra a
unidades que foram transacionados em dois pontos do tempo, o MVR está
tentando controlar a valorização de preço pelo diferencial das caracterís-
ticas. A partir dessa amostra, utiliza-se um modelo de regressão no qual a
variável dependente é o preço, e as variáveis independentes são os perío-
dos de venda e o período da revenda. A partir dos parâmetros estimados
calcula-se o índice de preços.
Embora o MVR seja mais robusto do que os métodos estratifi cados,
alguns problemas persistem. Primeiramente, limitar a amostra a revendas
não resolve por completo a questão da diferenciação do bem imóvel. Uma
mesma unidade imobiliária está sujeita a depreciação, reformas, melhora-
mentos etc., no decorrer do tempo (Diewert, 2009; Hill, 2013). Ou seja, o
MVR resolve parcialmente a questão da diferenciação, estando, entretanto,
sujeito ainda ao viés de variável omitida. Por fi m, Diewert (2009) aponta
que limitar a amostra a revendas pode levar ao problema de insufi ciência
da amostra, dependendo das características locais do mercado imobiliário.
Nos EUA, onde a rotação do estoque imobiliário é frequente, o MVR é
muito utilizado. No restante do mundo as vendas e revendas de imóveis
são menos frequentes, tornando o MVR mais limitado (Diewert, 2009).
855v.29 n.3 2019 Nova Economia�
Paixão & Luporini
O modelo de preços hedônicos (MPH) parte da ideia de que o preço do
bem é determinado em função das características. O modelo é aplicado
desde a década de 1920, com a contribuição de Waugh (1928). Posterior-
mente, Court (1939) e Griliches (1961) aplicaram o MPH para gerar índice
de preços para automóveis. Em seguida, a aplicação do MPH para gerar
índice de preços se ampiou para outros mercados de bens duráveis e para
o mercado imobiliário.
Rosen (1974) formulou um modelo abstrato para a formação de preços
de um produto diferenciado. Partindo-se da hipótese hedônica de que um
produto é valorizado pela utilidade contida em cada um dos seus atribu-
tos, Rosen (1974) defi niu a função hedônica de preços da seguinte maneira:
onde p é o preço do bem, e z1 , a i-ésima característica do bem. No caso,
cada unidade do produto é defi nida por um determinado pacote de carac-
terísticas, e, num mercado de produtos diferenciados, existem variados
pacotes de características disponíveis. Em um mercado competitivo, em
que se encontram consumidores e produtores para cada característica, o
preço implícito da i-ésima característica é dado pela primeira derivada da
função (1) em direção à característica i:
Pelo modelo de Rosen (1974), o preço implícito é resultante de uma in-
teração de mercado. Portanto, esse preço é interpretado como o quanto
o preço de mercado do bem varia a partir de um acréscimo marginal na
i-ésima característica. Para fi ns de cálculo de índices de preços hedônicos, o
preço implícito é a forma de controlar a variação do preço pelas diferenças
nas características de cada unidade do bem. Segundo Griliches (1971), a
utilização da metodologia hedônica para mensurar índice de preços é uma
forma de estimar a variação “pura” do preço do bem composto, uma vez
que a partir da regressão hedônica pode-se expurgar da variação temporal
de preços os efeitos da mudança nas características (qualidade) do bem.
(1)
(2)
856 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
2.2 Métodos hedônicos para estimar índice de preços
Existem diversas formas de estimar índice de preços a partir do modelo de
preços hedônicos (Triplett, 2004; Hill, 2013). A estimação do índice hedô-
nico pode se dar por meio de regressões com dummy de tempo ou por um
conjunto de regressões num único ponto do tempo. Os modelos utilizando
regressões com dummy de tempo foram denominados por Triplett (2004)
de métodos hedônicos time-dummy (TD). Em sua forma mais simples, o
método TD requer uma única regressão para todo o período com uma
dummy para cada ponto no tempo. Em geral, a categoria básica é o período
inicial. A regressão TD está resumida a seguir:
sendo ln(p) o logaritmo natural do preço do imóvel, z o conjunto das n
características do bem,
β
o preço implícito estimado pela regressão,
D a dummy para cada ponto no tempo,
δ
o parâmetro estimado para cada
dummy de tempo e
ε
o resíduo aleatório da regressão. O índice de preço é
calculado a partir do parâmetro estimado para a dummy de tempo, confor-
me a expressão abaixo:
A maior crítica ao método TD, de regressão única, é esse ter como hipó-
tese implícita de que os preços sombras das características são constantes
no tempo. Para Triplett (2004) o método TD não se aplica a mercados
sujeitos a constantes mudanças tecnológicas. Hill (2013) argumenta que no
caso dos bens imóveis essas inovações tecnológicas são menos dinâmicas,
mas para períodos sufi cientemente longos pode se supor que mudanças
nas condições de oferta e da demanda imobiliária farão com que os preços
implícitos das características se alterem. Para dar conta dessa realidade,
a saída é utilizar um conjunto de regressões TD para períodos de tempo
adjacentes – adjacent-period-time-dummy (APTD) (Triplett, 2004; Hill, 2013).
Na prática, o APTD consiste em estimar a regressão (4) para cada subpe-
ríodo especifi cado.
Os métodos hedônicos por regressões cross-section utilizam os preços
implícitos estimados pela regressão para imputar dados de observações
(3)
(4)
857v.29 n.3 2019 Nova Economia�
Paixão & Luporini
não disponíveis. A partir desses métodos é possível calcular índices de pre-
ços superlativos4. Essas metodologias partem de um conjunto de regres-
sões para pontos de tempo específi cos:
O método da imputação hedônica (MIH) consiste em criar, através de um
conjunto de regressões (5), uma cesta de imóveis em dois períodos dis-
tintos5 t0 e t1. A partir dos parâmetros estimados para uma regressão em
t0 estima-se o preço que cada imóvel transacionado em t1 teria caso fosse
transacionado em t0. De maneira análoga, com a regressão em t1 pode-
-se estimar o preço que cada imóvel transacionado em t0 teria caso fosse
transacionado no período seguinte. Em princípio , a valorização de cada
unidade é a relação entre o preço observado e o seu contrafactual – estima-
do por regressão. Todavia, Hill e Melser (2008) argumentam que, no caso
dos imóveis, o ideal é utilizar o preço estimado pela regressão também no
período em que o imóvel foi transacionado (dupla imputação), uma vez
que esse procedimento minimiza o viés da variável omitida.
Os índices obtidos a partir do MIH correspondem à média geométrica
da variação de preço de cada observação. Desse modo, quando t0 é o pe-
ríodo básico tem-se um índice geométrico de Laspeyres (IGL). Quando t1 é
o período base tem-se o índice geométrico de Paasche (IGP). A média geo-
métrica entre IGL e IGP é o índice de preços Törnqvist (IPT). Hill (2013)
recomenda a utilização do IPT por se tratar de um índice superlativo.
O outro método cross-section é o método hedônico das características
(MHC) (Hill, 2013). Esse método consiste em gerar uma regressão para
cada período e utilizar as características médias dos imóveis para realizar as
imputações. Computacionalmente o método consiste em imputar a carac-
terística média dos imóveis de t0 nas regressões de t0 e t1, obtendo um índice
de Laspeyres. E, analogamente, imputa-se as características médias de t1 nas
regressões para t0 e t1, obtendo um índice de Paasche. Hill (2013) recomenda
utilizar o índice superlativo de Fisher – a raiz quadrada do produto entre o
índice de Laspeyres e Paasche – como índice de preço do MHC.
4 Os índices superlativos incorporam o efeito substituição, não havendo sub ou sobre-esti-
mação. Para mais detalhes sobre esses métodos, ver Hill (2013).
5 No caso t0 e t1 representam períodos adjacentes. Para um período longo, t0 representa todos
os períodos anteriores, e t1 todos os períodos posteriores.
(5)
858 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
Dentre os índices mensurados a partir de regressões com dummy de
tempo, o APTD é superior ao TD, por não depender da hipótese de es-
tabilidade temporal dos preços sombra (Triplett, 2004; Hill, 2013). Frente
aos índices das regressões cross-section, os métodos TD e APTD têm como
vantagens serem de mais simples aplicação (parcimônia) e a estimação dos
desvios padrões serem diretas. Porém, os índices estimados pelo MIH e
MHC apresentam como vantagem poderem incorporar fórmulas conheci-
das de índice de preços como Laspeyres, Paasche, Fisher e Törnqvist.
Na comparação entre os métodos cross-section, temos que para o caso
dos bens imóveis a aplicação do MHC, por ser uma imputação pelo imóvel
típico, não é trivial. A localização é um dos fatores determinantes na for-
mação do preço dos imóveis e não se tem como mensurar uma localização
típica por estatísticas como média ou mediana (Hill, 2013). Portanto, para
aplicar o MHC para o caso dos bens imóveis é preciso buscar alguma me-
todologia para lidar com a questão da localização. Nesse sentido, o MIH é
o método cross-section mais adequado para a nossa base de dados.
2.3 A segmentação do mercado imobiliário
O modelo hedônico tradicional de Rosen (1974) parte do paradigma do
agente representativo, supondo que a estrutura de preferências é única
para todos os consumidores, e que, sendo assim, os proprietários dos
imóveis, tanto dos segmentos superiores quanto dos segmentos inferio-
res, só se diferenciam pela restrição orçamentárias aos quais estão sujei-
tos (Zietz, Zietz; e Sirmans, 2008). Nesse caso, o preço implícito de cada
característica (2) seria único, e o método dos mínimos quadrados ordiná-
rios seria adequado para estimar os preços implícitos das características
dos imóveis. Porém, estudos comparando resultados de várias aplicações
de modelo de preços hedônicos para o mercado imobiliário americano
encontraram instabilidades nos valores dos parâmetros estimados, na di-
reção do efeito marginal e na signifi cância estatística desses parâmetros
(Zietz, Zietz e Sirmans, 2008). Segundo os autores, essa realidade pode
ser derivada do fato de que a determinação dos preços dos imóveis va-
ria de acordo com a posição que cada imóvel ocupa na distribuição dos
preços imobiliários.
859v.29 n.3 2019 Nova Economia�
Paixão & Luporini
Em uma perspectiva teórica, Grigsby, Baratz e Maclennan (19876, apud
Megbolube, ; Hoek-Smith e; Linneman, 1996) argumentam que o mer-
cado imobiliário, para uma dada cidade, é na verdade um conjunto de
submercados7. Segundo os autores, um submercado imobiliário é caracte-
rizado por uma vizinhança (bairro) onde os imóveis ali localizados podem
ser considerados substitutos quase perfeitos. Desse modo, em cada sub-
mercado o ambiente construído e o perfi l social dos habitantes tendem a
ser homogêneos.
No modelo de Grigsby, Baratz e Maclennan (1987, apud Megbolugbe,
Hoek-Smith e Linneman, 1996), as famílias mais abastadas buscam residir
em moradias de alto padrão em localidades dotadas de infraestrutura e de
uma rede de serviços (públicos e privados) tidos como adequadas. Aumen-
tos na renda dessas famílias fazem com que essas busquem residências de
melhor padrão em uma nova localização (novo submercado), impulsio-
nando o mercado de construção civil8.
Do ponto de vista da dinâmica imobiliária, a migração das famílias
abastadas para novas localizações altera a confi guração dos demais sub-
mercados, uma vez que famílias um pouco menos abastadas tendem a
habitar as localizações preteridas pelas famílias de perfi l socioeconômico
superior. Como resultado, tem-se uma estrutura urbana segregada, na qual
o mercado imobiliário é segmentado, e o paradigma do agente represen-
tativo único se mostra limitado para explicar o seu funcionamento (Zietz;
Zietz; Sirmans, 2008). Nesse caso, o preço implícito, dado pela equação 2,
varia em cada submercado. Sendo o segmento do mercado denotado por
(q), pode-se reescrever (2) da seguinte forma:
Nesse caso, as estimações por mínimos quadrados ordinários não são ade-
quadas, sendo o método das regressões quantílicas o mais apropriado para
lidar com a segmentação de mercado9.
6 GRIGSBY, W.; BARATZ, M.; MACLENNAN, D. The Dynamics of Neighbourhood Change and
Decline. Oxford: Pergamon, 1987, 76 p.
7 Agradecemos a um(a) parecerista anônimo(a) pela sugestão de incluir a contribuição de
Grigsby et al. (1987).
8 O fi nanciamento imobiliário cumpre papel relevante na segmentação do mercado imobiliário.
9 Almeida, Monte-Mór e Amaral (2017) empregando fuzzy clustering analysis ao mercado
imobiliário de Belo Horizonte encontraram evidências de que esse é segmentado.
(6)
860 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
2.4 A regressão quantílica
Um quantil é uma divisão de um conjunto ordenado de observações de
uma variável (y) em g partes iguais. A mediana divide as observações orde-
nadas em duas partes, o quartil em quatro partes, o quintil em cinco partes,
e assim por diante. O quantil, portanto, é o caso geral (Koenker; Hallock,
2001). A regressão quantílica estende a ideia dos quantis para estimação
de função de quantis condicionais, isto é, modelos em que os quantis da
distribuição condicional da variável resposta (y) são expressos em função
das suas covariadas observadas (x’s) (Koenker; Hallock, 2001). Existem três
vantagens em utilizar a regressão quantílica (Cameron; Trivedi, 2005):
a) Os parâmetros estimados são robustos, mesmo na presença de outliers;
b) Permite uma caracterização mais rica dos dados, ou seja, permite
avaliar se a resposta da variável dependente (y) em relação às mudan-
ças nos valores das variáveis independentes (x’s) se altera nos diferen-
tes pontos da distribuição condicional de y; e
c) Independe das hipóteses de homocedasticidade e normalidade dos
resíduos.
A regressão quantílica parte de uma relação linear entre a variável depen-
dente e as variáveis independentes, na qual tanto o intercepto quanto as
inclinações variam nos quantis da distribuição condicional da variável de-
pendente (Cameron; Trivedi, 2010), como na expressão:
sendo y a variável dependente, x um conjunto de variáveis independentes
(covariadas),
β
os parâmetros a serem estimados, q o quantil da distribui-
ção condicional de y e u o termo do erro aleatório. A estimação dos parâ-
metros nos quantis ( ) corresponde a minimizar uma função objetivo da
soma ponderada dos desvios absolutos, como na expressão a seguir:
na qual QR signifi ca regressão quantílica (quantile regression).
A função quantílica (8) não é passível de diferenciação, porém seus pa-
râmetros podem ser estimados a partir de métodos de programação linear
(Cameron; Trivedi, 2010; Buchinsky, 1998). O método simplex é o mais
(7)
(8)
861v.29 n.3 2019 Nova Economia�
Paixão & Luporini
utilizado, pois permite encontrar uma solução a partir de um número fi nito
de interações (Cameron; Trivedi, 2010). A escolha do quantil (q) da esti-
mação corresponde a impor um peso para os desvios ( ) positivos e
negativos. Por exemplo, a estimação da regressão para o primeiro quartil
(q = 0,25) consiste em atribuir peso de 25% para os desvios positivos
( ), e peso 75% para os desvios negativos ( ).
O parâmetro estimado pela regressão quantílica é interpretado como a res-
posta da variável dependente (y) no quantil condicional q decorrente de uma
variação marginal da j-ésima variável independente (xj ), como na expressão:
Essa interpretação para (9) é válida apenas para variações infi nitesimais das
covariadas. Para variações de maiores magnitudes, entretanto, poderá ha-
ver mudanças no quantil condicional da observação de y (Buchinsky, 1998;
Cameron; Triveldi, 2010). Os desvios padrões dos parâmetros estimados
na regressão quantílica são obtidos a partir da metodologia bootstrap (Ca-
meron; Trivedi, 2010).
3 Resultados
3.1 Base de dados
A base de dados utilizada foi proveniente do Imposto de Transmissão de
Bens Imóveis “Inter-vivos” (ITBI) da Prefeitura Municipal de Belo Horizon-
te (PBH). Para o período 1995-2003 os dados foram fornecidos pela Secre-
tária Municipal de Fazenda (SEFAZ) da PBH. Os dados para período 2004-
2012 foram fornecidos pela Fundação Instituto de Pesquisas Econômicas,
Administrativas e Contábeis de Minas Gerais (IPEAD) da Universidade
Federal de Minas Gerais (UFMG). Como toda transação imobiliária para
ser efetivada deve ter o ITBI quitado, a base de dados desse imposto con-
templa o universo das transações imobiliárias no mercado formal. Nesse
quesito, essa base de dados é mais abrangente do que aquelas provenientes
dos dados de fi nanciamento ou anúncio de imóveis. Contudo, o ITBI não
cobre o mercado informal de imóveis, que abarca uma parcela signifi cativa
(9)
862 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
do mercado de habitações no Brasil e na América Latina10 (Abramo, 2008),
a base de dados do ITBI acaba por sub-representar a população de mais
baixa renda11. Porém, nem os dados provenientes dos fi nanciamentos imo-
biliários nem os provenientes de anúncios de agentes do mercado (imo-
biliárias e corretores) contemplam o mercado informal. Apenas pesquisas
domiciliares, como as pesquisas de orçamentos familiares ou a Pesquisa
Nacional por Amostras de Domicílio (PNAD), abrangem esse mercado.
Todavia, essas pesquisas não são desenhadas com objetivo de se ter uma
amostra representativa de transações ou valores de imóveis, sendo limita-
das para a construção de índice de preços. Desse modo, a base de dados
do ITBI é uma das mais completas para estudos do mercado imobiliário e
construção de índice de preços para imóveis no Brasil.
O ITBI fornece as seguintes informações sobre o imóvel: valor, dimensão
da área privativa, padrão de acabamento, idade e bairro onde se localiza o
imóvel. O valor é o preço em Reais constante na guia do ITBI, que corres-
ponde ao maior entre o avaliado e o declarado pelo comprador do imóvel.
A área privativa é medida em metros quadrados. O padrão de acabamento
é derivado de uma classifi cação que a PBH faz dos imóveis, classifi cando-os
em cinco categorias: luxo, alto, normal, baixo e popular. A localização ado-
tada pela PBH é o bairro, sendo que em Belo Horizonte existem 270 bairros.
Para os fi ns deste estudo, utilizamos o conceito de Área de Ponderação
(AP), em número de 62, que corresponde a uma aglomeração de bairros.
A idade corresponde à diferença entre o ano de inauguração do móvel e
o ano de sua venda. O período da análise vai de 1995 a 2002. O período
inicial foi determinado pela disponibilidade de dados pela PBH. A partir da
Constituição de 1988, o ITBI passou a ser recolhido pelas prefeituras muni-
cipais. Porém, nos contatos com a Secretária de Fazenda (SEFAZ) da PBH,
foi acordado que só era possível disponibilizar os dados a partir de 1995.
A Tabela 1 apresenta os valores médios e medianos para preço, área e
idade dos imóveis por ano. Nota-se que para o período entre 1995 e 2003
os preços médios se afastaram em grande magnitude dos preços medianos,
assim como os coefi cientes de variação para o preço foram altos. Isso pode
ser refl exo de problemas de transcrição de dados, comum nas bases do
ITBI (Gonzalez, 1997a). Pelos preços medianos, o valor do imóvel passou
10 Segundo Cyrillo (2011), em 2014, cerca de 22% da população belo-horizontina vivia em
vilas, favelas e conjuntos habitacionais que ocupavam 5% do território do município.
11 Agradeço a um(a) parecerista anônimo(a) por chamar a atenção para esse ponto.
863v.29 n.3 2019 Nova Economia�
Paixão & Luporini
de R$ 48.041,09, em 1995, para R$ 274.938,80, em 2012, valorizando, em
termos nominais, 472,30% nesses 17 anos. A área mediana dos aparta-
mentos oscilou entre 94,00 e 113,53 m2 no período, enquanto a idade me-
diana fi cou entre 5 e 10 anos.
Tabela 1 Número de observações e valor médio, mediano e coefi ciente de variação para
preço nominal, área e idade dos apartamentos transacionados em Belo Horizonte,
1995-2012, por ano
Ano Número
de
obser-
vações
Preço Área Idade
Média Medi-
ana
Coefi ci-
ente de
variação
Média Medi-
ana
Coefi ci-
ente de
variação
Média Medi-
ana
Coefi ci-
ente de
variação
1995 11.854 199.538,50 48.041,09 18,97 130,21 113,53 0,63 10 6 1,05
1996 13.245 130.307,30 50.000,00 27,23 127,65 108,64 0, 74 10 6 1,02
1997 16.002 117.998,80 50.429,12 39,03 125,36 107,05 0,62 11 9 0,94
1998 15.175 457.919,00 58.000,00 77,21 135,14 116,00 0, 93 11 6 1,02
1999 15.762 86.181,77 55.073,14 7,81 129,72 109,26 0,81 10 5 1,08
2000 17.103 111.470,20 54.900,00 23,61 127,42 107,30 0,82 10 5 1,08
2001 16.896 80.594,81 53.000,00 1,26 130,40 103,56 3,09 10 5 1,18
2002 22.128 1.811.372,00 58.690,76 137,29 128,39 103,29 0,86 10 5 1,08
2003 19.645 97.807,81 59.850,56 5,18 129,80 102,20 0,80 12 7 1,00
2004 18.179 95.376,85 60.000,00 1,40 125,70 102,00 0,88 13 8 0,95
2005 20.193 97.229,25 61.105,11 1,26 121,74 98,63 0,77 14 10 0,88
2006 19.159 112.950,40 70.00 0,00 1,42 125,21 101,88 1,00 14 10 0,88
2007 19.939 129.282,20 82.324,41 1,15 122,58 102,95 0,67 14 10 0,88
2008 19.479 160.223,90 100.000,00 1,17 125,83 101,38 2,99 14 10 0,86
2009 18.584 193.481,50 130.000,00 1,14 124,74 98,66 1,36 14 10 0,93
2010 21.487 234.514,30 160.061,60 1,07 116,47 94,00 0,77 12 8 1,08
2011 19.592 308.460,00 219.999,90 0,99 121,25 98,00 0,69 12 7 1,14
2012 18.710 379.685,50 274.938,80 0,97 127,23 107,08 0,70 12 7 1,15
Fonte: Elaboração própria a partir dos dados do ITBI fornecidos pela PBH e IPEAD UFMG.
O Gráfi co 1 apresenta a evolução do preço dos imóveis. Nota-se que os
imóveis na parte inferior da distribuição dos valores de preço (percentil 10
e percentil 25) obtiveram valorização nominal acima da mediana no pe-
ríodo (550,0% e 524,8%, respectivamente), enquanto os imóveis na parte
superior da distribuição dos valores de preço (percentil 75 e percentil 90)
864 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
valorizaram no período a uma taxa abaixo da mediana (456,9% e 465,0%,
respectivamente).
Gráfi co 1 Evolução dos preços nominais dos apartamentos por quantil, Belo Horizonte
– 1995-2012
Fonte: Elaboração própria a partir dos dados do ITBI fornecidos pela PBH e IPEAD UFMG.
3.2 O modelo estimado
O objetivo deste estudo é estimar regressões quantílicas para construir ín-
dice de preços para apartamentos em Belo Horizonte entre 1995 e 2012.
Com isso aplicaremos essa técnica (equação 10) para os métodos hedô-
nicos descritos na seção 2.2. Foram estimados, como defi nido na seção
2.2, índices de preços hedônicos-quantílicos a partir dos métodos APTD e
MIH. Como os resultados do APTD mostraram-se mais estáveis, utilizare-
mos esse método no restante do texto12.
3.2.1
Variáveis utilizadas
A formação do preço dos imóveis é determinada pelas características fí-
sicas (intrínsecas) e pelas características extrínsecas, ou seja, aquelas rela-
12 Os resultados dos índices e variações de preços do MIH, assim como as saídas das regres-
sões do APTD, encontram-se com o editor.
Preço em R$ (nominal)
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
800.000,00
700.000,0 0
600.000,00
500.000,00
400.000,00
300.000,00
200.000,0 0
100.000,0 0
0
P10 P50P25 P75 P90
865v.29 n.3 2019 Nova Economia�
Paixão & Luporini
cionadas à localização do imóvel. As variáveis intrínsecas foram defi nidas
a partir das disponíveis na base de dados do ITBI: padrão de acabamento,
área e idade. Foi criada uma dummy para cada padrão de acabamento: po-
pular, baixo, normal (categoria básica), bom e luxo. A área foi medida de
forma linear e ao quadrado, o mesmo procedimento adotado para idade.
A inclusão do quadrado dessas variáveis deve-se ao pequeno número de
variáveis intrínsecas contidas na base do ITBI. Por exemplo, informações
como número de vaga de garagem, presença de playground ou outros ser-
viços condominiais, andar do apartamento ou número de unidades habita-
cionais contidas nos condomínios são relevantes para a formação de pre-
ços no merca do imobiliário, mas não estão presentes na base de dados do
ITBI. Por esse motivo, optou-se por incluir o quadrado da área do imóvel.
No caso da idade a não linearidade é justifi cada, ainda, por essa ser uma
proxy imperfeita para a depreciação do imóvel (Goodman; Thibodeau,
1995). Os bens imóveis podem sofrer reformas, modernizações ou melho-
ramentos ao longo do tempo, atenuando ou mesmo revertendo o efeito da
depreciação. Como resultado, dois imóveis com a mesma idade podem ter
condições de uso bastante distintas.
As variáveis extrínsecas relacionam o imóvel à sua localização no espa-
ço urbano. A nova economia urbana (NEU), derivada das contribuições de
Alonso (1964) e Muth (1969), desenvolveu-se a partir do insight teórico de
Von Thünen (1826) sobre a relevância da localização como entidade eco-
nômica.13 Para a NEU, o espaço urbano é estruturado a partir de um único
centro da cidade (CBD14) onde se concentram os empregos e os serviços
urbanos. Desse modo, quanto mais distante a localização de um terreno
em relação ao CBD menor será o preço da terra urbana, dado que maiores
são os custos de transporte (custos monetários e custo de oportunidade)
nos deslocamentos cotidianos. Portanto, pela teoria da economia urbana o
preço do imóvel tende a decrescer na medida em que a sua localização se
torna mais afastada do CBD.
Posteriormente a literatura incluiu subcentros (Fujita; Ogawa,1982) e as
amenidades urbanas (Freeman, 1979; Brueckner, Thisse e Zenou, 1999).
Algumas amenidades são positivas, como a existência de parques, restau-
rantes, escolas de qualidade, entre outras. Por outro lado, algumas ameni-
13 Para melhor entendimento sobre o surgimento da economia urbana ver Abramo (2001).
14 CBD é abreviação para Central Business District.
866 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
dades são tidas como negativas (desamenidades), como ar poluído, crimes,
presença de cemitérios e aterros sanitários etc.
Embora tanto a distância do centro (e a subcentros) e as amenidades
urbanas exerçam importante papel na formação dos preços dos imóveis,
optou-se por estimar o modelo hedônico proposto por Hill (2013) com
efeitos fi xos para localização. Não existe um modelo teórico que estabe-
leça de forma exaustiva as amenidades que de fato afetam o preço dos
imóveis. Somadas a isso, muitas amenidades urbanas são medidas em
uma periodicidade específi ca (caso das medidas por Censo Demográfi co)
outras, sequer, têm periodicidade de medição (estudos especiais, índices
calculados pelo poder local etc.).
Como analisado anteriormente, recentemente existe uma discussão so-
bre até que ponto o modelo monocêntrico é o mais adequado, e caso não
seja, levanta-se o problema de como identifi car não só os subcentros, mas
a dinâmica de surgimentos e desaparecimentos desses. Por isso, julgamos
mais apropriado inserir a localização a partir de uma dummy para as Áreas
de Ponderação (AP) do município de Belo Horizonte (BH), sendo a AP Sa-
vassi a categoria básica. Existem 62 APs em BH sendo que essa dummy aca-
ba absorvendo tanto o conjunto de amenidades/desamenidades das locali-
zações quanto a distância em relação ao CBD e aos subcentros. Por outro
lado, trabalhar com a dummy por localização elimina o problema decorrente
das defasagens de medida das variáveis ambientais, pois permite que o pre-
ço implícito de cada microlocalização da cidade seja estimado a cada nova
rodada do modelo, evitando o problema da defasagem e/ou falta de perio-
dicidade da disponibilidade das informações sobre as amenidades urbanas.
O logaritmo do valor do apartamento foi a variável dependente e foram
estimadas um total de dezessete regressões hedônicas-quantílicas a partir
do método APTD, como descrito:
sendo p o preço do imóvel, x1 a área, x2 o quadrado da área, x3 a idade do
imóvel, x4 o quadrado da idade, x6,
j o i-ésimo acabamento do imóvel, x7,
j o
imóvel localizado na AP j, t1 o último período do par de anos, e
ε
o resíduo
aleatório. O sufi xo t0,t1 indica que a regressão é estimada para cada par de
anos, e o sufi xo q representa os quantis nos quais o modelo será estimado.
(10)
867v.29 n.3 2019 Nova Economia�
Paixão & Luporini
Os parâmetros a serem estimados são os
β′
s, que correspondem aos preços
sombras das características dos imóveis. No caso das variáveis categóricas
(padrão de acabamento e localização), é estimado um preço sombra para
cada categoria, exceto a básica. Para a dummy de tempo, o preço sombra é
a base para o cálculo do índice de preço em determinado quantil:
No sentido de permitir a comparação com a literatura sobre o tema, o
índice de preços será calculado para os quantis 10%, 25%, 50%, 75% e
90% da distribuição condicional do preço dos apartamentos, para Belo
Horizonte entre 1995 e 2012.
3.3 Resultados
A Tabela 2 e o Gráfi co 2 apresentam os índices de preços nos quantis esti-
mados pelo método APTD.
Tabela 2 Índice de preços para apartamentos em Belo Horizonte – 1995-2012
Método
adjacent-period-time-dummy
(APTD) nos quantis
Ano Q(10%) Q(25%) Q(50%) Q(75%) Q(90%)
1995 1,00 1,00 1,00 1,00 1,00
1996 1,16 1,16 1,14 1,12 1,10
1997 1,23 1,23 1,22 1,21 1,20
1998 1,25 1,23 1,23 1,24 1,25
1999 1,27 1,24 1,24 1,25 1,26
2000 1,35 1,30 1,29 1,29 1,29
2001 1,37 1,33 1,32 1,31 1,31
2002 1,50 1,42 1,41 1,39 1,37
2003 1,55 1,48 1,46 1,45 1,46
2004 1,63 1,56 1,55 1,54 1,57
2005 1,74 1,68 1,66 1,67 1,71
2006 1,94 1,86 1,87 1,89 1,95
2007 2,21 2,15 2,19 2,25 2,36
2008 2,52 2,50 2,68 2,88 3,04
(11)
(continua)
868 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
Ano Q(10%) Q(25%) Q(50%) Q(75%) Q(90%)
2009 3,02 3,13 3,47 3,75 3,89
2010 4,00 4,06 4,32 4,67 4,81
2011 5,19 5,20 5,44 5,76 5,81
2012 6,51 6,26 6,37 6,58 6,57
Fonte: Elaboração própria a partir dos dados do ITBI fornecidos pela PBH e IPEAD UFMG.
Os valores fi nais, ano de 2012, estimados para os quantis 10%, 25%, 50%,
75% e 90% foram, respectivamente, 6,51, 6,26, 6,37, 6,58 e 6,57. O ín-
dice de infl ação acumulada para o período foi de 2,9015 e o da taxa Selic
nominal, 15,25 mostrando que os imóveis, para todos os quantis analisa-
dos, valorizaram acima da infl ação, mas essa valorização fi cou abaixo da
evolução acumulada da taxa básica de juros da economia. Entre os fatores
que infl uenciaram na demanda por imóveis, o índice acumulado para o
aumento da renda nominal dos trabalhadores da Região Metropolitana de
Belo Horizonte (RMBH) foi 3,98, e o índice acumulado para o montante do
crédito imobiliário no Brasil foi 5,87. Nota-se que a valorização imobiliária
em Belo Horizonte, no período analisado, fi cou próxima do crescimento
do montante do crédito imobiliário no Brasil.
Gráfi co 2 Índice de preços para apartamentos nos quantis – Belo Horizonte – 1995-2012
– estimados pelo método APTD
Fonte: Elaboração própria a partir dos dados do ITBI fornecidos pela PBH e IPEAD UFMG.
15 IPCA, PIB e renda nominal média da RMBH (Fonte: IBGE). SELIC e volume de crédito
imobiliário (Fonte: Banco Central do Brasil).
Tabela 2 (continuação)
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
7,0 0
6,00
5,00
4,00
3,00
2,00
1,00
0
Q10 Q50Q25 Q75 Q90
869v.29 n.3 2019 Nova Economia�
Paixão & Luporini
Para o acumulado do período, os imóveis dos segmentos mais altos (Q75%
e Q90%) foram os que registraram maior valorização. Até 2005, a maior
valorização acumulada pertencia ao segmento mais baixo (Q10%). Entre
2005 e 2010 esse padrão se inverteu, com maior valorização nos quantis
superiores (Gráfi co 2). No período entre 2010 e 2012, a valorização dos
apartamentos dos segmentos mais baixos (Q10% e Q25%) e do segmento
mediano (Q50%) foi mais alta, fazendo com que as linhas desses quantis
se reaproximassem das linhas dos quantis superiores.
A Tabela 3 e o Gráfi co 3 apresentam as valorizações anuais, em termos
nominais, dos apartamentos em Belo Horizonte, para os diversos segmen-
tos do mercado imobiliário.
Tabela 3 Taxa de valorização anual dos apartamentos em Belo Horizonte – 1995-2012
Método
adjacent-period-time-dummy
(APTD) nos quantis
Ano Q(10%) Q(25%) Q(50%) Q(75%) Q(90%)
1996 16,38 15,63 14,08 11,98 9,85
1997 6,01 6,33 7,33 8,10 9,59
1998 1,20 0,18 0,09 2,31 3,98
1999 1,74 0,71 0,91 0,66 1,04
2000 5,94 4,98 4,31 3,12 2,08
2001 1,79 1,82 2,15 1,73 1 ,70
2002 9,45 7, 3 7 6,81 5,99 4,35
2003 3,18 3,88 4,04 4,84 6,37
2004 5,06 5,58 5,71 5,98 7,91
2005 7,34 7,32 7,55 8,23 8,80
2006 11,34 11,02 12,08 13,14 13,86
2007 13,98 15,54 1 7, 1 6 19,51 21,15
2008 13,67 16,36 22,61 27, 6 0 28,73
2009 19,83 25,18 29,40 30,35 28,08
2010 32,54 29,70 24,47 24,64 23,70
2011 29,92 28,05 26,10 23,24 20,72
2012 25,29 20,32 17, 0 4 14,33 13,06
Fonte: Elaboração própria a partir dos dados do ITBI fornecidos pela PBH e IPEAD UFMG.
870 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
Gráfi co 3 Variação anual dos preços dos apartmentos (em termos nominais) nos quantis
– Belo Horizonte – 1995-2012
Fonte: Elaboração própria a partir dos dados do ITBI fornecidos pela PBH e IPEAD UFMG.
3.3.1
A valorização imobiliária em Belo Horizonte frente à conjuntura
econômica
Em termos de valorização imobiliária, o período do trabalho pode ser divi-
do em dois subperíodos. Entre 1995 e 2004, à exceção dos dois primeiros
anos, a valorização imobiliária esteve abaixo da infl ação (Índice Nacional
de Preços ao Consumidor, IPCA) para os diversos quantis. Esse período foi
marcado pela pequena disponibilidade de crédito imobiliário, uma vez que
o Sistema Financeiro da Habitação (SFH) encontrava-se em reestruturação
(Aguiar, 2014). Contribuíram também para o baixo dinamismo do merca-
do imobiliário no período, a estagnação da renda média das famílias da
RMBH, o alto patamar da taxa básica de juros (SELIC) e as constantes cri-
ses internacionais que afetaram a economia brasileira, resultando no pou-
co dinamismo econômico. Nessa conjuntura, a valorização nominal anual
média do preço dos apartamentos, em todos os segmentos, foi menor que
a infl ação média do período (Tabela 4).
A partir de 2005, inicia-se um novo período marcado pela valorização
real do preço dos apartamentos. Contribuiu para esse cenário a reestrutu-
ração do SFH iniciada em 1997 com a Lei no 9.514, que instituiu os certifi -
cados de recebíveis imobiliários e as companhias securitizadoras (Aguiar,
2014; Cardoso; Leal, 2009). Em 2005, quando as controvérsias jurídicas
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
35,00
30,00
25,00
20,00
15,00
10,00
5,00
0
Q10 Q50Q25 Q75 Q90
871v.29 n.3 2019 Nova Economia�
Paixão & Luporini
em torno do instituto da alienação fi duciária foram sanadas, com a Lei no
10.931 de 2014, a reestruturação do SFH foi concretizada (Aguiar, 2014) e,
consequentemente, o valor das operações de crédito imobiliário ao setor
privado passou a crescer acima da infl ação.16
Tabela 4 Valorização dos apartamentos em Belo Horizonte, taxa de crescimento do cré-
dito imobiliário e IPCA para períodos selecionados
Período Valorização média dos preços
dos apartamentos (%)
Taxa de crescimento
média do crédito
imobiliário (%)
IPCA (%)
Q10% Q25% Q50% Q75% Q90%
1995-2004 5,54 5,08 4,97 4,91 5,16 –6,12 7, 5 6
2005-2008 11,55 12,5 14,71 16,9 17, 8 9 22,97 4,79
2009 19,83 25,18 29,4 30,35 28,08 45,71 4,31
2010-2012 29,22 25,95 22,47 20,65 19,07 45,95 6,08
Fonte: Elaboração própria a partir de dados do ITBI fornecidos pela PBH, IPEAD UFMG e IPEAdata.
Entre 2005-2012, além do expressivo aumento nas operações de crédito
imobiliário, contribuíram para a valorização imobiliária os ganhos reais
nos rendimentos das famílias da RMBH e a queda na taxa básica de ju-
ros (Aguiar, 2014). Somado a isso, houve uma reestruturação no merca-
do de companhias de incorporação imobiliária, com as grandes empresas
abrindo capital e adquirindo empresas menores. Essas empresas, com mais
recursos, passaram a adquirir terrenos para novos empreendimentos e a
investir nos mercados de famílias de rendimento médio e baixo (Aguiar,
2014; Cardoso e Leal, 2009). Nessa conjuntura, os apartamentos em Belo
Horizonte valorizaram de forma intensa (13,72%)17, acima da infl ação mé-
dia do período, que fi cou em 5,21%.
Entre 2005 e 2008, os apartamentos dos quantis superiores, Q75% e
Q90%, foram os que obtiveram maior valorização. Ou seja, no primeiro
momento o aumento da demanda concentrou-se nos segmentos superio-
res do mercado imobiliário cujos preços encontravam-se em um patamar
baixo, consequência da conjuntura anterior desfavorável. Como resultado
o aumento de preços foi mais acentuado nesses segmentos. Porém, os de-
16 Para o acumulado do período (2005-2012) o crédito imobiliário cresceu em média 33,94%.
17 A valorização média para todos os segmentos foi calculada pela média geométrica sim-
ples da média anual dos diversos segmentos.
872 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
mais segmentos do mercado de apartamentos também registraram valori-
zação real, embora mais modestas (Tabela 4).
O ano de 2009 marcou uma transição no padrão de valorização imo-
biliária de Belo Horizonte. O segmento superior (Q90%) deixou de ser o
mais dinâmico, em detrimento dos segmentos intermediários (Q75% e
Q50%). Essa perda de dinamismo do segmento mais alto parece ser mais
uma consequência da grande valorização anterior (que tornaram os valores
extremamente altos) do que efeito da crise mundial do subprime, uma vez
que os segmentos mais baixos (Q25% e Q10%) exibiram aumentos na
taxa de valorização imobiliária. Em 2009, embora a crise tenha afetado a
economia brasileira, esse contágio não atingiu o mercado imobiliário belo-
-horizontino, uma vez que o crédito imobiliário continuou crescendo em
ritmo acelerado (45,71% em termos nominais) assim como a renda média
da RMBH (7,87% em termos nominais).18
Nos três últimos anos do período (2010-2012), houve uma reversão no
padrão quantílico da valorização imobiliária. Em 2009, o Governo Federal
adotou um conjunto de políticas econômicas anticíclicas, de cunho keyne-
siano, visando evitar que os efeitos da crise contagiassem a economia bra-
sileira. Duas dessas políticas afetaram diretamente o mercado imobiliário:
a) O Programa Minha Casa, Minha Vida (PMCMV), cujo objetivo prin-
cipal era a construção e o fi nanciamento de moradias para famílias de
baixa renda (até R$ 4.600,00);
b) A expansão do crédito imobiliário dos bancos públicos, cuja partici-
pação no mercado de fi nanciamento imobiliário passou a ser predo-
minante, em contraste com o período anterior (2005-2008), no qual a
maior participação no fi nanciamento imobiliário foi dos bancos pri-
vados (Araújo, 2012).
Essas políticas tiveram como um dos resultados aumentar a demanda por
imóveis dos segmentos inferiores, resultando em valorização maior nesses
segmentos (Tabela 4). Nesse período, a maior valorização nominal média
se deu no segmento mais baixo (Q10%), 25,95%, e a menor valorização
foi no segmento mais alto (Q90%), 19,07%. De todo modo, a valoriza-
ção imobiliária nominal em todos os segmentos do mercado, entre 2010 e
2012, superou a infl ação média do período, 6,08% (Tabela 4).
18 A infl ação de 2009 foi 4,31%.
873v.29 n.3 2019 Nova Economia�
Paixão & Luporini
3.3.2
Comparação dos índices estimados com a literatura nacional
Paixão (2015) utilizou o método hedônico TD para estimar a valorização
real nos preços dos bens imóveis para Belo Horizonte, entre 1995 e 2013,
utilizando regressão de mínimos quadrados ordinários. O autor estimou
uma desvalorização real média de 2,25% no preço dos apartamentos no
período, com um pico negativo no ano de 1999 (–13,72%), quando houve
a maxidesvalorização do Real. Comparando os resultados dos exercícios
quantílicos aqui propostos, tomando o período de 1995-2003, temos resul-
tados semelhantes aos encontrado por Paixão (2015). A valorização nomi-
nal em todos os quantis fi cou abaixo da infl ação. Assim, como em Paixão
(2015), o ano de 1999 foi o que a valorização nominal mais se descolou do
IPCA, para todos os quantis.
Rozenbaum (2009) estimou um índice de preços para imóveis para o
município do Rio de Janeiro, no período entre 1997-2007, utilizando um
conjunto de regressões hedônicas para diferentes localizações da cidade,
a partir de regressões de mínimos quadrados pelo método APTD. Para
o período analisado, o autor concluiu que possuir um imóvel no Rio de
Janeiro constituía-se em uma forma de se proteger dos efeitos da infl ação,
uma vez que a valorização imobiliária nominal esteve próxima da varia-
ção do índice nacional de preços. Todavia, a valorização imobiliária, na
capital fl uminense, esteve em patamar bastante inferior ao da taxa básica
de juros (SELIC). Quando comparamos a valorização imobiliária estimada
no Rio de Janeiro com os índices quantílicos aqui mensurados, temos que
para Belo Horizonte, entre 1997 e 2007, também se aplica à conclusão de
Rozenbaum (2009). Ou seja, nesse período a variação dos preços dos apar-
tamentos em BH esteve próxima à infl ação, nos diversos quantis.
4 Conclusão
Este estudo teve como objetivo estimar índice de preços para apartamen-
tos em Belo Horizonte, entre 1995 e 2012, para diversos segmentos do
mercado imobiliário. Para isso, utilizou-se a metodologia de preços hedô-
nicos na estimação dos índices de preços, a partir das técnicas de regres-
são quantílica. A regressão quantílica é a ferramenta econométrica mais
adequada para construir índice de preços para mercados segmentados,
874 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
como é o imobiliário. Entre os métodos hedônicos existentes para mensu-
rar índice de preços optou-se pela estimação de regressões com dummy de
tempo para períodos adjacentes. A estimação foi feita seguindo o método
adjacent-period-time-dummy, no qual se estima uma regressão para cada par
de anos. Esse método foi escolhido por gerar resultados mais estáveis que
o método da imputação hedônica, no qual o índice é obtido a partir de um
conjunto de regressões cross-section.
Os resultados apontam que no período 1995-2004, marcado tanto pela
falta de um marco institucional para o fi nanciamento imobiliário quanto
por um ambiente macroeconômico incerto, a valorização dos imóveis foi
modesta em todos os segmentos, em muitos anos abaixo da infl ação. Con-
tribuíram para esse cenário o alto patamar das taxas de juros e os ganhos
de renda modestos dos trabalhadores.
Entre 2005 e 2012, a valorização imobiliária passa a ser intensa, acima
da infl ação em todos os segmentos. Um novo marco institucional para o
fi nanciamento imobiliário, em discussão desde 1997, entrou em vigor, em
2004. Como consequência, as operações de crédito imobiliário passaram a
crescer rapidamente. Entre 2004-2008, o ambiente macroeconômico fi cou
mais estável, marcado pelo crescimento do PIB, da renda das famílias e
pela queda nas taxas de desemprego e da taxa básica de juros da economia.
Nesse período, os imóveis dos quantis superiores obtiveram maior valori-
zação vis-à-vis aos imóveis dos segmentos mais baixos. O fácil acesso ao
crédito imobiliário e os aumentos de renda permitiram que a demanda por
apartamentos dos segmentos mais altos se elevasse, levando à uma expres-
siva valorização nesses segmentos. Houve também valorização relevante,
porém mais modesta, nos apartamentos dos segmentos mais baixos.
Em 2009, o Governo Federal brasileiro elaborou um pacote de medidas
anticíclicas em resposta à crise fi nanceira mundial iniciada em 2008. No
bojo desse pacote estavam duas políticas que afetavam o mercado imobi-
liário: um programa para aquisição subsidiada de imóveis para população
de baixa renda (Programa Minha Casa, Minha Vida) e o aumento na oferta
de crédito dos bancos públicos (Caixa Econômica Federal e Banco do Bra-
sil). O resultado foi uma inversão no padrão de valorização quantílica dos
imóveis. Os segmentos mais baixos passaram a valorizar a taxas maiores
que os segmentos superiores. Porém, mesmo com uma valorização mais
baixa os imóveis dos segmentos superiores continuaram a se valorizar a
taxas signifi cativamente mais altas que a infl ação verifi cada.
875v.29 n.3 2019 Nova Economia�
Paixão & Luporini
Referências
ABRAMO, P. Mercado e ordem urbana: do caos à teoria da localização residencial. Rio de Janei-
ro: Bertrand do Brasil, 2001.
ABRAMO, P. A cidade com-fusa: a mão inoxidável do mercado e a produção da estrutura
urbana nas grandes metrópoles latino-americanas. Revista Brasileira de Estudos Urbanos e
Regionais, v. 5, p. 12-32, 2008.
AGUIAR, M. M. de. Crédito e mercado imobiliário no Brasil: fatores institucionais e macroe-
conômicos (1964-2013). In: XVI SEMINÁRIO DE ECONOMIA MINEIRA, Diamantina,
2014. Anais... Diamantina: CEDEPLAR/UFMG, 2014.
ALMEIDA, R. P.; MONTE-MÓR, R. L. M.; AMARAL, P. V. M. Implosão e explosão na Exó-
polis: evidências a partir do mercado imobiliário da RMBH. Nova Economia, v. 27, n. 2,
p. 323-350, 2017.
ALONSO, W. Location and land use. Cambridge MA: Harvard University Press, 1964.
ARAÚJO, V. L. de. Preferência pela liquidez dos bancos públicos no ciclo de expansão do crédito no
Brasil: 2003-2010. Brasília: IPEA, 2012. (Texto para Discussão 1717)
BAILEY, M. J.; MUTH, R. F.; NOURSE, H. O. A Regression method for real estate price index
construction. Journal of the American Statistical Association, v. 58, n. 34, p. 933-942, 1963.
BARTHÉLÉMY, F.; ROSIERS, F.; BARONI, M. Market heterogeneity and the determinants
of Paris apartment prices: a quantile regression approach. In: EUROPEAN REAL ESTATE
SOCIETY CONFERENCE, 2013, Viena. Anais… Viena: EURES, 2013.
BIANCONI, M.; YOSHINO, J. A. House price indexes and cyclical behavior. International
Journal of Housing Markets and Analysis, v. 6, n. 1, p. 26-44, 2013.
BRUECKNER, J.K.; THISSE, J.-F.; ZENOU, Y. Why is central Paris rich and downtown Detroit
poor? An amenity-based theory. European Economic Review, v. 43, p. 91-107, 1999.
BUCHINSKY, M. Recent advances in quantile regression models: a practical guideline for
empirical research. The Journal of Human Resources, v. 33, n. 1, p. 88-126, 1998.
CAMERON, A. C.; TRIVEDI, P. K. Microeconometrics: method and applications. Cambridge:
Cambridge Press, 2005.
CAMERON, A. C.; TRIVEDI, P. K. Microeconometrics using stata. Stata Press, Revised Edition, 2010.
CARDOSO, A. L.; LEAL, J. A. Housing markets in Brazil: recent trends and governmen-
tal responses to the 2008 crisis. In: ISA INTERNATIONAL HOUSING CONFERENCE,
Glasgow, 2009. Anais… Glasgow: ISA, 2009.
COULSON, N. E.; McMILLEN, D. P. The dynamics of intraurban quantile house prices in-
dexes. Urban Studies, v. 44, n. 8, p. 1571-1537, 2007.
COURT, A. Hedonic price indexes with automotive examples. The dynamics of automobile
demand. General Motors, New York, p. 98-119, 1939.
CYRILLO, G. B. Mercado imobiliário informal e seus mecanismos de operação: a vila Acaba Mundo,
Belo Horizonte. Dissertação (Mestrado em Arquitetura e Urbanismo) – Programa de Pós-
-Graduação em Arquitetura e Urbanismo, Universidade Federal de Minas Gerais, 2011.
DENG, Y.; McMILLEN, D. P.; SING, T. F. Private residential price indices in Singapore:
876 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
a matching approach. Regional Science and Urban Economics, v. 42, n. 3, p. 485-494, 2012.
DIEWERT, W. E. The Paris OECD-IMF workshop on real estate price indexes: Conclusions
and Future Directions. In: DIEWERT, E. Erwin et al. (Ed.). Price and Productivity Measure-
ment: volume 1 – housing. Trafford Press, 2009. Disponível em: <http://faculty.arts.ubc.
ca/ediewert/dp0701.pdf>. Acesso em: fev. 2010.
ELS, M.; FINTEL, D. V. Residential property price in a submarket of South Africa: separating real
returns from attribute growth. South African Journal of Economics, v. 78, n. 4, p. 418-436, 2010.
FREEMAN, M. Hedonic prices property values and measuring environmental benefi ts: a sur-
vey of the issues. The Scandinavian Journal of Economics, v. 81, n. 2, p. 154-173, 1979.
FUJITA, M.; OGAWA, H. Multiple equilibria and structural transition of non-monocentric
urban confi gurations. Regional Science and Urban Economics, v. 12, n. 2, p. 161-196, 1982.
FURTADO, B. Mercado imobiliário e a importância das características locais: uma análise
quantílico-espacial de preços hedônicos em Belo Horizonte. Análise Econômica, ano 25,
n. 47, p. 71-98, 2007.
GATZLAFF, D. H.; LING, D. C. Measuring changes in local house prices: an empirical inves-
tigation of alternative methodologies. Journal of Urban Economics, v. 35, p. 221-244, 1994.
GONZÁLEZ, M. A. S. Variação qualitativa e índice de preços na análise do comportamento
recente dos aluguéis em Porto Alegre (1994-1997). Análise Econômica, v. 15, n. 28, 1997.
GONZÁLEZ, M. A. S. Fontes alternativas para estudos intra-urbanos: ITBI. In: VII ENCON-
TRO NACIONAL DA ANPUR, 1997. Recife: Anais... Recife: Associação Nacional de Pós-
-Graduação em Planejamento Urbano e Regional, 1997a.
GOODMAN, A.; THIBODEAU, T. Age-related heteroskedasticity in hedonic price equa-
tions. Journal of Housing Research, v. 6, n. 1, p. 25-42, 1995.
GRILICHES, Z. Hedonic Price Indexes for Automobiles: an econometric of quality change.
The Price Statistics of the Federal Government, General Series No. 73. Columbia Univ. Press for
the National Bureau of Economic Research, New York, p. 137-196, 1961.
GRILICHES, Z. Introduction: hedonic price indexes revisited. In: _____. (Ed.). Prices indexes and qual-
ity change: studies in new methods of measurment. Cambridge: Harvard University Press, 1971.
HILL, R. Hedonic price indexes for residential housing: a survey, evaluation and taxonomy.
Journal of Economic Surveys, v. 27, n. 1, p. 879-914, 2013.
HILL, R.; MELSER, D. Hedonic imputation and the price index problem: an application to
housing. Economic Inquiry, v. 46, n. 4, p. 593-609, 2008.
HILL, R.; MELSER, D.; SYED, I. Measuring a boom and bust: the Sydney housing market
2001-2006. Journal of Housing Economics, v. 18, n. 3, p. 193-225, 2009.
HOESLI, M.; GIACCOTTO, C.; FAVARGER, P. Three new real estate price indexes for Ge-
neva, Switzerland. Journal of Real Estate Finance and Economics, v. 15, n. 1, p. 93-109, 1997.
KOENKER, R.; HALLOCK, K. Quantile regression. Journal of Economic Perspectives, v. 15, n. 4,
p. 143-156, 2001.
MAURER, R.; PITZER, M.; SEBASTIAN, S. Hedonic price indices for the Paris housing mar-
ket. Allgemeines Statistisches Archiv, v. 88, p. 303-326, 2004.
McMILLEN, D. P. Local quantile house price indices. AREUEA MEETINGS, 2014, Tel Aviv
877v.29 n.3 2019 Nova Economia�
Paixão & Luporini
University, July, 3, 2014. Anais… Tel Aviv: AREUEA, 2014.
MEGBOLUGBE, I.; HOEK-SMIT, M.; LINNEMAN, P. Understanding neighborhood dynam-
ics: a review of the contributions of Willian G. Grigsby. Urban Studies, v. 3, n. 10, p. 1779-
1795, 1996.
MUTH, R.F. Cities and housing. Chicago: University of Chicago Press, 1969.
PAIXÃO, L. A. Índice de preços hedônicos para imóveis: uma análise para o município de
Belo Horizonte. Revista de Economia Aplicada, v. 19, n. 1, p. 5-29, 2015.
PAVESE, P. Hedonic housing price indices: the turinese experience. Revista di Politica Economi-
ca, v. 95, n. 6, p. 113-148, 2007.
RÊGO, P. A. Dinâmica dos aluguéis residenciais urbano entre 1995 e 2007 no Brasil: construção
de índice e identifi cação dos fatores de infl uências. Dissertação (Mestrado em Ciências
Econômicas) – Faculdade de Economia, Administração, Contabilidade e Ciência da Infor-
mação e Documentação, Universidade de Brasília, 2009.
ROSEN, S. Hedonic price and implicit markets: product differentiation in pure competition.
Journal of Political Economy, v. 82, n. 1, p. 35-55, 1974.
ROZENBAUM, S. IMPA – Índice municipal de preços de apartamentos: proposta e metodolo-
gia. Tese (Doutorado em Administração de Empresas) – Programa de Pós-Graduação em
Administração de Empresas, Pontifícia Universidade Católica do Rio de Janeiro, 2009.
ROZENBAUM, S.; MACEDO-SOARES, T. D. L. V. A. Proposta para a construção de um
índice de preços de imóveis a partir dos lançamentos imobiliários de condomínios resi-
denciais. Revista de Administração Pública, v. 41, n. 6, 2007.
VON THUNEN, J. Isolated state. New York, Pergamon Press, 1966[1826].
TRIPLETT, J. Handbook on hedonic and quality adjustments in price indexes: special application
to information technology products. Paris: Organisation for Economic Co-operation and
Development (OECDE), 2004. (Working Paper 2004/9).
WAUGH, F. V. Quality factors infl uencing vegetable prices. Journal of Farm Economics, v. 10,
n. 2, p. 185-196, 1928.
ZIETZ, J.; ZIETZ, E. N.; SIRMANS, G. S. Determinants of house prices: a quantile regression
approach. Journal of Real Estate Finance and Economics, v. 37, n. 4, p. 317-333, 2008.
Sobre os autores
Luiz Andrés Ribeiro Paixão – luiz.paixao@ibge.gov.br
Instituto Brasileiro de Geografi a e Estatística (IBGE) – Rio de Janeiro, RJ, Brasil.
ORCID: https://orcid.org/0000-0002-6378-9518.
Viviane Luporini – viviane.luporini@ie.ufrj.br
Universidade Federal do Rio de Janeiro (UFRJ) – Rio de Janeiro, RJ, Brasil.
ORCID: https://orcid.org/0000-0001-9629-5058.
O IBGE é isento de qualquer responsabilidade pelas opiniões, informações, dados e conceitos emitidos neste artigo, que
são de exclusiva responsabilidade do autor.
Sobre o artigo
Recebido em 05 de setembro de 2016. Aprovado em 03 de abril de 2018.
878 Nova Economia� v.29 n.3 2019
A valorização imobiliária em Belo Horizonte, 1995-2012
APÊNDICE
Tabela A1 Transações com apartamentos por bairros* de Belo Horizonte – 1995-2012
Bairro Número de transações Participação(%)
Buritis 14758 4,57
Lourdes 11107 3,44
Castelo 10965 3,39
Sagrada Família 9932 3,07
Santo Antônio 9305 2,88
Sion 8436 2,61
Serra 8013 2,48
Savassi 7380 2,28
Centro 7281 2,25
Padre Eustáquio 7226 2,24
Estoril 6936 2,15
Gutierrez 6197 1,92
Santa Efi gênia 5697 1,76
Santo Agostinho 5523 1,71
Cidade Nova 5420 1,68
Anchieta 5202 1,61
Nova Suíssa 4835 1,50
Palmares 4619 1,43
Floresta 4601 1,42
Jardim América 4534 1,40
Ouro Preto 4497 1,39
Funcionários 4234 1,31
Camargos 4046 1,25
Belvedere 3645 1,13
Caiçara-Adelaide 3609 1,12
Santa Mônica 3405 1,05
Santa Amélia 3327 1,03
Fonte: Elaboração própria a partir de dados do ITBI fornecidos pela PBH e IPEAD UFMG.
* Foram tabulados apenas os bairros com participação maior ou igual a 1,0%.
879v.29 n.3 2019 Nova Economia�
Paixão & Luporini
Figura A1 Mapa da participação (%) de cada bairro no total de transações com aparta-
mentos para Belo Horizonte – 1995-2012
Participação (%)
0,00 a 0,32
0,32 a 1,13
1,13 a 2,48
2,48 a 4,51
This article is licensed under a Creative Commons Attribution 4.0 International License.
880 Nova Economia� v.29 n.3 2019
