Estudos sobre a aplicação do bootstrapping em avaliações imobiliárias

Abstract

Este trabalho apresenta um estudo de caso comparativo, no contexto da avaliação de imóveis, onde o desempenho de duas abordagens estatísticas distintas são realizadas, sendo método paramétrico da regressão linear múltipla (MLR) e a técnica de reamostragem bootstrapping não paramétrico. O objetivo é comparar a técnica já consagrada, que se baseia em pressupostos da distribuição de probabilidade normal com a alternativa não paramétrica, servindo de fundamento para a validação de modelos nas práticas de avaliação imobiliária. Inicialmente definiu-se uma tipologia de imóvel avaliando, procedeu-se à coleta da base amostral, ao tratamento dos dados e à modelagem MLR. A mesma base amostral foi aplicada na reamostragem bootstrapping por pares (não paramétrico) em seu tamanho original (71 elementos) e reduzido (21 elementos). Ao longo da análise, os resultados permitem identificar a aplicabilidade, limitações e confiabilidade de cada técnica, destacando a possibilidade do uso da técnica de reamostragem bootstrapping por pares como ferramenta complementar aos modelos MLR, costumeiramente utilizados na avaliação imobiliária. O efeito negativo das classes desbalanceadas fica exposto pela técnica. Conclui-se pela efetividade da técnica em identificar perda de robustez do modelo conforme a quantidade de elementos diminui.

Abstract: This paper presents a comparative case study in the context of real estate appraisal, examining the performance of two distinct statistical approaches: the parametric method of multiple linear regression (MLR) and the nonparametric resampling technique of bootstrapping. The objective is to compare the well-established technique - based on assumptions of the normal probability distribution - with the nonparametric approach, providing a foundation for model validation in real estate valuation practice. The study begins by defining the property typology, followed by sample data collection, data preprocessing, and MLR modeling. The same dataset is then applied to pairwise bootstrapping (nonparametric) in its original size (71 elements) and in a reduced sample (21 elements). Throughout the analysis, the results reveal the applicability, limitations, and reliability of each technique, highlighting the potential use of pairwise bootstrapping as a complementary tool to MLR models commonly used in property valuation. The negative effect of unbalanced classes is exposed by the technique. The study concludes that the method is effective in identifying loss of model robustness as the number of observations decreases.