1

XV COBREAP - CONGRESSO BRASILEIRO DE ENGENHARIA DE AVALIAÇÕES E PERÍCIAS - IBAPE/SP - 2009

A DETERMINAÇÃO DAS VARIÁVEIS QUE INFLUENCIAM NA FOR MAÇÃO DO VALOR DOS IMÓVEIS RURAIS SITUADOS NA ZONA CANAVI EIRA DE

PERNAMBUCO

PRISCILLA FERREIRA MARTINELLI ENGENHEIRA AGRÔNOMA (UFRPE/1990), ESPECIALISTA EM ENGENHARIA

ECONÔMICA E DE AVALIAÇÕES (UFPE/2001), ATUA COMO ENGENHEIRA AGRÔNOMA DO INCRA - SR(03)-PE

KARLA PATRÍCIA CORREIA DOS SANTOS BARROS ENGENHEIRA AGRÔNOMA (UFRPE/2006), ATUA COMO ENGENHEIRA AGRÔNOMA DO

INCRA - SR(03)-PE RESUMO: O presente trabalho de avaliação teve como objetiv o determinar as variáveis que influenciam na formação do valor dos imóveis ru rais situados na zona canavieira de Pernambuco, através da utilização da regressão l inear múltipla. Foi utilizada uma amostra composta por 80 imóveis rurais negociados n o período de novembro de 2006 a janeiro de 2008, todos vistoriados por engenheiro s agrônomos. Após o tratamento estatístico foi obtida uma equação que demonstra qu e acesso, classes de capacidade de uso das terras, percentual de área ocupada com m ata, produção de cana-de-açúcar do imóvel, existência de casas, cerca e de água no imóvel, associados ao tempo decorrido entre o período do início e o final da pe squisa, foram os fatores mais importantes na formação do preço de venda dos imóve is rurais da zona canavieira de Pernambuco. Palavras-chave: Avaliação de bens, Imóveis rurais, Modelos de regressão linear

2

INTRODUÇÃO A zona canavieira de Pernambuco abrange os municípios pertencentes às Microrregiões Mata Setentrional Pernambucana, Mata Meridional Pernambucana e Vitória de Santo Antão, da Mesorregião Mata Pernambucana; os municípios das Microrregiões Itamaracá, Recife e Suape, da Mesorregião Metropolitana de Recife e os da Microrregião Médio Capibaribe e Brejo Pernambucano, da Mesorregião Agreste Pernambucano. Deve ser observado que a área ocupada com a lavoura da cana-de-açúcar nos municípios do Agreste Pernambucano, região menos propícia à exploração da cultura devido, principalmente, à questão climática, varia de acordo com a conjuntura do setor sucroalcooleiro. Isto é, quando as perspectivas quanto aos preços e a absorção da produção pelas agroindústrias são boas, há expansão da área cultivada, ocorrendo o refluxo quando tais perspectivas são negativas. As tabelas 1, 2 e 3 mostram os municípios e as respectivas microrregiões da zona estudada, contendo as áreas ocupadas com a lavoura da cana-de-açúcar e a produção no ano de 2007, segundo o IBGE. Tabela 1 - Área plantada e quantidade produzida da lavoura temporária cana-de-açúcar na Mesorregião Mata Pernambucana, segundo o IBGE, Pesquisa Agrícola Municipal/PAM – 2007. Área plantada (Ha) Quantidade

produzida (Ton) Mesorregião Geográfica Mata Pernambucana

297.000 16.536.680

Microrregião Geográfica Mata Setentrional Pernambucana

145.590 8.709.400

Aliança 15.810 948.600 Buenos Aires 4.565 273.900 Camutanga 2.855 171.300 Carpina 3.450 207.000 Condado 4.700 282.000 Ferreiros 5.000 300.000 Goiana 18.500 1.110.000 Itambé 20.550 1.233.000 Itaquitinga 7.460 447.600 Lagoa do Carro 2.000 100.000 Lagoa do Itaenga 4.700 282.000 Macaparana 3.840 230.400 Nazaré da Mata 9.010 540.600 Paudalho 6.500 390.000 Timbaúba 16.400 984.000 Tracunhaém 8.630 517.800 Vicência 11.520 691.200

3

Microrregião Geográfica Mata Meridional Pernambucana

138.930 7.214.400

Água Preta 15.000 750.000 Amaraji 6.500 312.000 Barreiros 6.800 340.000 Belém de Maria 1.000 52.000 Catende 4.000 200.000 Cortês 3.200 160.000 Escada 8.000 384.000 Gameleira 12.000 600.000 Jaqueira 5.000 260.000 Joaquim Nabuco 3.500 192.500 Maraial 8.000 440.000 Palmares 9.000 450.000 Primavera 7.100 340.800 Quipapá 1.800 86.400 Ribeirão 12.000 600.000 Rio Formoso 8.000 480.000 São Benedito do Sul 2.500 130.000 São José Coroa Grande 330 13.200 Sirinhaém 18.000 1.080.000 Tamandaré 3.500 140.000 Xexéu 3.700 203.500 Microrregião Geográfica Vitória de Santo Antão

12.580 612.880

Chã de Alegria 2.600 130.000 Chã Grande 280 12.880 Glória do Goitá 1.500 60.000 Pombos 2.200 110.000 Vitória de Santo Antão 6.000 300.000 Tabela 2 - Área plantada e quantidade produzida da lavoura temporária cana-de-açúcar na Mesorregião Metropolitana de Recife, segundo o IBGE, Pesquisa Agrícola Municipal/PAM - 2007. Área p lantada (Ha) Quantidade

produzida (Ton) Mesorregião Metropolitana de Recife

49.522 2.618.522

Microrregião Geográfica Recife

29.300 1.351.000

Abreu e Lima 0 0 Camaragibe 0 0 Jaboatão Guararapes 9.500 361.000 Moreno 15.000 750.000

4

Olinda 0 0 Paulista 0 0 São Lourenço da Mata 4.800 240.000 Microrregião Geográfica Suape

10.247 698.820

Cabo do Sto Agostinho 3.247 194.820 Ipojuca 7.000 504.000 Microrregião Geográfica Itamaracá

9.975 568.702

Araçoiaba 1.522 61.522 Igarassu 8.453 507.180 Ilha de Itamaracá 0 0 Itapissuma 0 0 Tabela 3 - Área plantada e quantidade produzida da lavoura temporária cana-de-açúcar na Mesorregião Agreste Pernambucano, segundo o IBGE, Pesquisa Agrícola Municipal/PAM - 2007. Área plantada

(Ha) Quantidade produzida (Ton)

Microrregião Geográfica Médio Capibaribe

3.059 167.250

Bom Jardim 210 10.500 Cumaru 0 0 Feira Nova 180 10.800 João Alfredo 500 25.000 Limoeiro 770 38.500 Machados 300 18.000 Orobó 149 7.450 Passira 0 0 Salgadinho 0 0 São Vicente Férrer 950 57.000 Microrregião Geográfica Brejo Pernambucano

4.990 239.400

Agrestina 0 0 Altinho 0 0 Barra de Guabiraba 600 30.000 Bonito 3.740 187.000 Camocim de São Félix 0 0 Cupira 0 0 Ibirajuba 0 0 Lagoa dos Gatos 0 0 Panelas 0 0 Sairé 0 0 São Joaquim do Monte 0 0

5

A situação financeira mundial, em meados da década de 90, teve grande repercussão sobre o Brasil e atingiu a agricultura, que já vinha sofrendo os efeitos de uma grave crise que se abateu sobre o setor, causada, principalmente, pelo acúmulo de dívidas com os bancos oficiais, visto que as receitas geradas pelo setor não eram suficientes para cobrir as altas taxas de juros e a correção monetária cobrada nos empréstimos agrícolas. O setor sucroalcooleiro, apesar do socorro do governo através do processo de Securitização de Dívidas, foi um dos mais afetados, principalmente no Nordeste, onde os custos de produção são superiores aos do Centro-Sul, aliado às menores produtividades, decorrentes das condições edafo-climáticas e do relevo desfavoráveis. Neste período, vários fornecedores de cana, bem como unidades agroindustriais (usinas e destilarias) encerraram as suas atividades e/ou entraram em processo falimentar. Algumas empresas encerraram apenas as atividades fabris, continuando com a produção agrícola, enquanto outras arrendaram ou venderam os seus imóveis rurais, o mesmo acontecendo com os fornecedores de cana. Neste sentido, uma região que se encontrava praticamente estagnada no que diz respeito ao mercado de terras, experimenta um aquecimento, com um aumento no número de transações, tanto de vendas, quanto de arrendamentos. Paralelamente é iniciado um programa governamental de “compra de terras” por associações de agricultores, sob condições diferenciadas e juros subsidiados, denominado “Cédula da Terra”. No mesmo período, é criada pelo principal banco oficial uma unidade específica de recuperação de créditos inadimplidos do setor sucroalcooleiro, recebendo na forma de Dação em Pagamento imóveis rurais e lançando-os no mercado através de leilões ou disponibilizando-os ao Instituto Nacional de Colonização e Reforma Agrária, que, por sua vez, aproveita a quantidade de imóveis improdutivos para realizar um grande número de desapropriações na região. Decorrida uma década do início desse processo, há hoje, na região canavieira, uma situação mais estabilizada, na qual se observa que as unidades agroindustriais restantes, de certa forma, estão bem estruturadas e os créditos agrícolas apresentam condições mais satisfatórias para o setor agropecuário, tanto empresarial quanto familiar. O preço do principal produto agrícola da região, porém, vem apresentando queda desde a safra 2005/2006, visto que o valor do ATR da cana-padrão que era R$ 56,8091/tonelada em abril de 2006, apresenta hoje o valor de R$ 41,7593/tonelada, enquanto que os custos, principalmente os de mão-de-obra, tiveram aumentos consideráveis. A perspectiva, porém, de crescimento do mercado de carbono, associado ao aumento da demanda de álcool, devido às pressões ambientais, aparentemente estão influenciando o setor no Estado, que continua investindo na produção e à procura de terras para compra ou arrendamento, aliado às tentativas de recuperar, por via judicial, imóveis arrendados a terceiros que não estão dando retorno para a produção. Os imóveis rurais levados a leilão,

6

tanto pela justiça trabalhista quanto pela justiça comum, estão sendo rapidamente absorvidos pelo mercado. OBJETIVO Este trabalho teve como objetivo determinar as variáveis que influenciam a formação do valor de mercado dos imóveis rurais situados na zona canavieira de Pernambuco, através da utilização da regressão linear múltipla. Atualmente, o método mais utilizado para a avaliação de imóveis rurais é o Método Evolutivo, que é aquele em que o valor do imóvel é estimado através da conjugação de métodos, a partir do valor do terreno, considerados o custo de reedição das benfeitorias e o fator de comercialização (DANTAS, 2005). A norma NBR 14.653-1, da ABNT, conceitua o Método Evolutivo como aquele que “identifica o valor do bem pelo somatório dos valores de seus componentes”. A NBR 14.653-3, específica de imóveis rurais, admite na avaliação a determinação do valor da terra nua a partir de dados de mercado de imóveis com benfeitorias deduzindo-se o valor destas, podendo-se adotar o fator de comercialização, além da depreciação, para determinar o valor das benfeitorias. A grande dificuldade consiste, justamente, na determinação do fator de comercialização. No caso de avaliação de imóveis rurais sem benfeitorias, isto é, composto somente pela “terra nua”, é empregado, geralmente, o método comparativo direto de dados de mercado, com o tratamento dos dados por fatores, sendo os principais o sistema de classes de capacidade de uso das terras e a situação, que indica a localização e as condições de acesso. Apesar da NBR 14.653-3 recomendar que “os fatores a serem utilizados no tratamento dos dados sejam indicados periodicamente pelas entidades técnicas regionais reconhecidas, revisados periodicamente e especificar claramente a região para a qual são aplicáveis”, tal fato não vem sendo observado, sendo comum a utilização de fatores “consagrados pelo uso”. A regressão linear é uma técnica que permite a análise estatística das características que contribuem para a formação dos valores de bens, onde o preço do imóvel é considerado como variável dependente (ou explicada) e as demais características consideradas como variáveis independentes (ou explicativas). Dessa forma, o preço do imóvel é explicado como função das variáveis independentes que foram consideradas no modelo (CAVALCANTE, 2003).

Segundo Dantas (2005), o modelo de regressão linear múltipla deve ser adotado quando mais de uma variável independente é necessária para explicar a variabilidade dos preços praticados no mercado. Em engenharia de avaliações geralmente trabalha-se com modelos de regressão múltipla, tendo em vista a multiplicidade de fatores que interferem nos preços de um bem. O uso da regressão linear na avaliação de imóveis urbanos vem sendo largamente utilizado há bastante tempo. Para os imóveis rurais, entretanto, a utilização dessa metodologia ainda é recente e rara, devido, principalmente,

7

às dificuldades para se obter uma quantidade suficiente de elementos para compor uma amostra que possibilite inferir estatisticamente com segurança, através da regressão linear, o valor de mercado do mesmo. A quantidade de atributos que influenciam o valor de mercado dos imóveis rurais, aliada a grande diferença entre eles, aparece como um empecilho adicional. A determinação das principais variáveis que influenciam o valor dos imóveis rurais da zona canavieira do Estado de Pernambuco possibilitará a utilização de parâmetros válidos para a região nas avaliações, ampliando a confiabilidade das estimativas de valor realizadas e permitindo o atendimento das exigências das normas da ABNT. Caso seja verificada e quantificada a influência da variável “tempo” na formação do valor, as dificuldades relacionadas ao pequeno número de elementos para compor uma amostra representativa do mercado serão minimizadas. Transações pretéritas poderão ser utilizadas para compor a amostra representativa do mercado, ampliando, assim, a confiabilidade dos trabalhos de avaliação. METODOLOGIA As informações sobre os imóveis rurais que serviram como base para a pesquisa são oriundos do Banco de Dados formado pela autora com o objetivo de subsidiar as avaliações de imóveis rurais dos tomadores de crédito rural inadimplidos de uma instituição bancária oficial, no período de 1996 a 2006. Para a aquisição de informações de imóveis negociados partiu-se de informações de pagamento do Imposto de Transmissão de Bens Imóveis Inter-Vivos - ITBI, obtido nas prefeituras municipais, e dos registros nos cartórios. Paralelamente efetuaram-se pesquisas junto aos corretores de imóveis e jornais para a obtenção dos imóveis ofertados. Posteriormente os imóveis foram visitados, tanto pela autora quanto por outros engenheiros agrônomos, quando foi coletado o maior número possível de características, tanto intrínsecas, quanto extrínsecas que, segundo a bibliografia, o senso comum e a experiência dos profissionais, poderiam influenciar no valor de mercado dos imóveis. Deve ser ressaltado que parte dos imóveis foram visitados quando ainda estavam em oferta, sendo acompanhados posteriormente até o momento da realização da transação propriamente dita, da desistência da venda pelo ofertante ou até mesmo por ocasião da desapropriação do imóvel pelo INCRA. Posteriormente foram somadas ao Banco de Dados informações de imóveis rurais pesquisados pelos engenheiros agrônomos da Superintendência Regional do Instituto Nacional de Colonização e Reforma Agrária de Pernambuco, referentes ao período de 2006 a 2008. Para compor a amostra do presente estudo, foram utilizados os dados de 80 imóveis efetivamente negociados na zona canavieira de Pernambuco no período de novembro de 1996 a janeiro de 2008. Apesar do Banco de Dados ser composto por imóveis de diversas dimensões, transacionados e ofertados, trabalhou-se somente com elementos efetivamente negociados e

8

com área superior a quatro módulos fiscais (médias e grandes propriedades). Deve ser observado que nem sempre foi possível obter todos os dados dos imóveis, principalmente no que diz respeito aos valores envolvidos na negociação, havendo elementos pertencentes ao Banco de Dados que não puderam ser utilizados na presente pesquisa devido a esse motivo. As características coletadas dos imóveis, constantes do Banco de Dados, foram as seguintes: denominação do imóvel, dimensão, município de localização, distância para a sede do município em quilômetros, distância para a sede de município mais próxima, distância para a usina mais próxima, distância para a capital do estado, distância para a pista asfaltada, qualidade do acesso e possibilidade de tráfego durante o ano, principalmente na época chuvosa, disponibilidade de energia no imóvel, disponibilidade de recursos hídricos, existência de posseiros, restrições legais, existência e quantificação de área ocupada com mata, percentual de área do imóvel com possibilidade de mecanização, existência de cerca, quantificação de área ocupada com cana-de-açúcar e outras lavouras, bem como a respectiva produtividade, quantificação de área ocupada com pasto nativo e/ou cultivado, existência e descrição das construções e os respectivos estados de conservação e funcionalidade, data do início da oferta do imóvel para venda e o respectivo preço, período discorrido entre a oferta e a transação, data e preço da transação, condição do pagamento (à vista ou a prazo), nome do vendedor, nome do comprador, nome do informante e nome do pesquisador. A vivência no mercado de imóveis rurais da zona canavieira de Pernambuco já demonstrava que os atributos que vinham sendo utilizados até então na maioria das avaliações de imóveis rurais na região eram insuficientes para explicar o valor de mercado dos mesmos. A experiência prática com o setor indicava que outras variáveis deveriam ser testadas, com o intuito de identificar àquelas mais relevantes no mercado em estudo.

A escolha das características que iriam compor o estudo, bem como a forma como elas iriam ser introduzidas, obedeceram à seguinte seqüência: 1)- Primeiramente foram selecionadas as características já utilizadas largamente nas avaliações de imóveis rurais, como as classes de capacidade de uso das terras, situação (localização e acesso) e área (dimensão); Para representar as classes de capacidade de uso das terras os dados qualitativos foram transformados em códigos numéricos, com a utilização da tabela adaptada de FRANÇA, 1983, constante no Manual de Obtenção do INCRA. Tendo em vista que no linguajar regional, tanto dos proprietários quanto dos corretores de imóveis, é ressaltada a quantidade de área mecanizada do imóvel, introduzimos a mesma no estudo, na forma de percentual de área mecanizada. Já a situação, que normalmente é identificada com um único código que tenta representar a localização do imóvel e a qualidade do acesso ao mesmo, foi introduzida no estudo de varias formas, a fim de se verificar qual seria a mais adequada:

9

Representamos a qualidade do acesso de duas formas, através da indicação se o imóvel estava situado ou não na pista e na forma de códigos numéricos, de acordo com a tabela adaptada de FRANÇA, 1983.

Quanto à localização, verificamos que a sua influência sobre os preços poderia se dar de duas formas: localmente e regionalmente. No primeiro caso, a localização do imóvel foi introduzida no estudo na forma quantitativa: distância do imóvel para a sede do município mais próximo e distância do imóvel para a usina e/ou destilaria mais próxima, enquanto que no segundo caso foi inserida no trabalho através de uma variável Proxy (valor estipulado pela SRF para cada município para definição do ITR), da distância do imóvel para a capital do Estado e de uma variável dicotômica, de acordo com a posição do imóvel ao norte (região mais seca e com o relevo menos acidentado) ou ao sul (região mais úmida e com o relevo mais acidentado) do estado.

2)- Posteriormente foram escolhidos atributos que sabidamente apresentam influência nos valores dos imóveis, pois são propagandeadas pelos corretores de imóveis, anúncios de jornais e pelos próprios vendedores: existência de recursos hídricos, eletrificação, estradas e construções; 3)- Introduziu-se no modelo variáveis que demonstrassem as explorações agropecuárias existentes nos imóveis; 4)- Foi escolhida a variável “mata” na tentativa de se verificar a contribuição dessa característica, visto a observação nas pesquisas de mercado realizadas de que ela influenciava de forma negativa no valor dos imóveis, tanto pelo comportamento dos agentes do mercado quanto pelas descrições dos imóveis nos anúncios, onde na sua maioria escondia-se a existência de área ocupada com mata; 5)- Foram introduzidas no estudo as variáveis “tempo” e “preço da cana”, a fim de se verificar a influência da conjuntura no comportamento dos preços dos imóveis.

Relacionamos abaixo, de forma resumida, a forma como foram introduzidas no estudo as variáveis escolhidas: a) Variável dependente ou explicada: Preço Unitário (PRECOU): logaritmo na base e do valor unitário do imóvel, calculado em R$ por hectare. b) Variáveis independentes ou explicativas: b.1) Variáveis quantitativas: São aquelas que podem ser medidas ou contadas.

10

b.1.1) Área do imóvel (AREA): dimensão do imóvel em hectares. b.1.2) Tempo (TEMPO): número representativo do número de meses decorridos do início da pesquisa, sendo considerado como “TEMPO 1” o mês de novembro de 1996 e como último mês o TEMPO 135, representando janeiro de 2008. b.1.3) Percentual de área ocupada com mata (MATA): área do imóvel ocupada com mata, dividida pela área total do imóvel e multiplicada por 100. b.1.4) Quantidade de cana-de-açúcar produzida (TONCAN): quantidade de cana-de-açúcar produzida em toneladas dividida pela área total do imóvel. b.1.5) Benfeitoria improdutiva depreciada (BIDEP): área, em metros e depreciadas pelo estado de conservação e funcionalidade, das benfeitorias que não são utilizadas diretamente no processo produtivo, dividida pela área total do imóvel. b.1.6) Benfeitoria produtiva depreciada (BPDEP): área, em metros e depreciadas pelo estado de conservação e funcionalidade, das benfeitorias que são utilizadas diretamente no processo produtivo, dividida pela área total do imóvel. b.1.7) Quantidade de pasto (UAHA): quantidade de pasto em hectare existente no imóvel, multiplicado pela capacidade de suporte dada em Unidade Animal. b.1.8) Distância para a sede do município mais próximo (DISMUN): distância em quilômetros do imóvel para a sede do município mais próximo. b.1.9) Distância para a usina (DISUSI): distância em quilômetros do imóvel para a usina mais próxima. b.1.10) Distância para a capital (DISCAP): distância em quilômetros do imóvel para a capital do Estado. b.1.11) Percentual de área mecanizada do imóvel (%MEC): área do imóvel com possibilidade de mecanização (tração motora), dividida pela área total do imóvel e multiplicada por 100. b.2) Variáveis qualitativas: São aquelas que representam uma característica que não pode ser medida ou contada, mas apenas qualificada. b.2.1) Classe de capacidade de uso das terras (CLASSE): somatório do produto entre o percentual de cada classe de capacidade de uso das terras existentes no imóvel pelo índice de correção do Manual de Obtenção de Imóveis do INCRA, conforme abaixo, multiplicado por 100.

11

- Classe de capacidade de uso I: 100 - Classe de capacidade de uso II: 80 - Classe de capacidade de uso III: 61 - Classe de capacidade de uso IV: 47 - Classe de capacidade de uso V: 39 - Classe de capacidade de uso VI: 29 - Classe de capacidade de uso VII: 20 - Classe de capacidade de uso VIII: 13 b.2.2) Qualidade do acesso (ACESSO): qualidade do acesso ao imóvel, com notas atribuídas de acordo com o Manual de Obtenção de Imóveis do INCRA, adaptado de França, 1983 e citado por ROSSI, 2005, conforme abaixo: - Acesso ótimo - 100 - Acesso muito bom - 95 - Acesso bom - 90 - Acesso regular - 80 - Acesso desfavorável - 75 - Acesso ruim - 70 b.3) Variáveis dicotômicas ou dummies: b.3.1) Instalações animais (INST ANI): existência ou não de instalações para animais (cocheira, curral, etc.) proporcionais à área do imóvel, sendo atribuído o valor zero para a não existência de instalações para animais e valor um para a existência de instalações para animais. b.3.2) Disponibilidade de recursos hídricos (ÁGUA): disponibilidade ou não de recursos hídricos no imóvel em quantidade e qualidade suficientes para utilização na pecuária e/ou irrigação de salvamento, sendo atribuído valor zero para a não ocorrência do atributo e valor um para a ocorrência. b.3.3) Existência de cerca no perímetro do imóvel: existência ou não de cerca rodeando o imóvel, sendo atribuído valor zero para a não existência de cerca e valor um para a existência. b.3.4) Eletrificação no imóvel: existência ou não de eletrificação no imóvel, sendo atribuído valor zero para a não existência da característica e valor um para a existência. b.3.5) Localização na pista (PISTA): localização do imóvel na beira da pista asfaltada ou não, sendo atribuído valor zero para a não localização na pista e valor um para a localização. b.3.6) Localização na região (MATASUL): localização do imóvel em duas regiões fictícias, mata norte e mata sul, através de uma linha imaginária percorrendo a BR-232, sendo atribuído valor zero para a localização na mata norte e valor um para a mata sul.

12

b.4) Variável Proxy: b.4.1) Valor do hectare no município (SRF): tabela da Secretaria da Receita Federal com os valores mínimos da terra nua, por hectare, dos municípios, para fins de cobrança do Imposto Territorial Rural. Inicialmente foi confeccionado e analisado o gráfico de dispersão de cada variável estudada com a variável dependente - Preço Unitário, dado em R$/ha, a fim de se verificar a significância de cada variável. Observou-se a tendência, a intensidade, a forma da funcional da curva e a dispersão dos dados. Com exceção das variáveis “área” e “distância para a usina”, a tendência nos gráficos de dispersão corresponderam ao comportamento esperado. Foi realizada a transformação das escalas de medição das variáveis, de acordo com a análise das formas das curvas obtidas nos gráficos de dispersão, a fim de linearizar o modelo. Tendo em vista o grande número de variáveis, além da possibilidade de existir correlação entre algumas características estudadas, optou-se pela inclusão de apenas um subconjunto dessas variáveis, que foram selecionadas através do procedimento denominado “Método Forward” (passo à frente). A estimativa dos parâmetros foi realizada através do Método dos Mínimos Quadrados. Foram selecionadas oito variáveis: tempo, classe, acesso, mata, tonelada de cana, benfeitoria improdutiva, cerca e água. As demais variáveis testadas não foram significativas ou mostraram-se irrelevantes. RESULTADOS E DISCUSSÕES O modelo de regressão encontrado foi: Y = e4,803760906 + 0,007829415 tempo + 0,006251985 classe + 0,014926439 acesso-

0,015249702 mata + 0,012243783 toncan + 0,069406043 bidepr + 0,132158053 cerca + 0,110067009

água

Resultando em: Y = 121,9682672 x 1,007860145 tempo x 1,00627157 classe x 1,015038395 acesso x 0,984865986 mata x 1,012319045 toncan x 1,071871346 bidepr x 1,14125869 cerca x 1,116352874 água Com a finalidade de verificar se o modelo inferido é eficiente, consistente e não tendencioso, foram observadas os seguintes pressupostos básicos, de acordo com o Anexo A da NBR 14.653-3:

13

a) O número mínimo de dados efetivamente utilizados no modelo (n) obedeceu aos seguintes critérios, com respeito ao número de variáveis independentes (k): n ≥ 3 (k + 1) - Pressuposto atendido: n = 80 ≥ 3 (8 + 1) ni ≥ 5, até duas variáveis dicotômicas ou três códigos alocados para a mesma característica - Pressuposto atendido ni ≥ 3, para três ou mais variáveis dicotômicas ou quatro ou mais códigos alocados para a mesma característica - Pressuposto atendido b) Os erros são variáveis aleatórias com variância constante, ou seja, homocedásticos, conforme pode ser observado no gráfico abaixo dos resíduos versus valores ajustados pelo modelo de regressão, onde é observado que os pontos estão distribuídos aleatoriamente, sem nenhum padrão definido.

c) Os erros são variáveis aleatórias com distribuição normal: através do histograma dos resíduos amostrais padronizados, obtidos com os dados da tabela abaixo, foi verificado que a sua forma guarda semelhança com a curva normal, com a freqüência relativa dos resíduos amostrais padronizados nos intervalos de [-1; +1], [- 1,64; +1,64] e [- 1,96; + 1,96] de 63,75%, 91,25% e 96,25%, isto é, muito próximo das probabilidades da distribuição normal, que são de 68%, 90 e 95%, respectivamente. .

14

TABELA 4 - RESULTADO DE RESÍDUOS

Observação Previsto(a) LN PREÇOU Resíduos Resíduos padrão

1 6,412535156 0,389859607 1,491300121

2 7,494411956 -0,298977104 -1,143654239

3 7,16652818 0,382412341 1,462812664

4 6,669837899 0,33322756 1,274669885

5 6,634974877 0,272780402 1,043445997

6 6,852879169 -0,139036363 -0,53184516

7 6,727007384 0,17821469 0,681711014

8 7,09097567 -0,087910211 -0,336276204

9 6,506688646 0,401066633 1,5341695

10 6,54429475 0,363460529 1,390317748

11 6,897006203 0,193070633 0,738538317

12 7,048618767 -0,140863488 -0,53883432

13 6,540324461 -0,143394806 -0,548517177

14 7,070082287 -0,162327008 -0,620937082

15 6,74477738 0,162977899 0,623426886

16 6,747464492 0,108997493 0,416939768

17 6,108970795 -0,405188321 -1,549935877

18 6,778667846 0,177877598 0,680421562

19 7,065284186 0,02479265 0,094837426

20 6,85779209 0,049963189 0,191120364

21 6,273597215 0,277483121 1,061434947

22 7,103031528 -0,012954692 -0,049554594

23 7,004837265 -0,001771806 -0,006777553

24 7,037485312 -0,080939868 -0,309613085

25 6,889685707 -0,438694094 -1,678102947

26 6,480899375 -0,267171664 -1,021991322

27 7,292298091 0,31663702 1,211207363

28 7,153162764 -0,245407485 -0,938738472

29 6,761035577 -0,391545637 -1,497749563

30 6,982213837 -0,086460292 -0,330729939

31 6,781771378 -0,016824678 -0,064358152

32 6,606594644 -0,118119462 -0,451833339

33 7,137467023 -0,097491211 -0,372925668

34 6,831985024 -0,227987001 -0,872101227

35 7,086483235 -0,178727956 -0,683674374

36 7,53396178 0,123514756 0,472471546

37 7,516744076 0,139621472 0,534083333

38 7,221202097 -0,244452613 -0,935085875

15

39 7,209753852 -0,206688393 -0,790629295

40 7,026287408 -0,118532129 -0,453411884

41 7,14831021 0,164910177 0,63081828

42 7,326239162 -0,320042248 -1,22423312

43 7,100413907 -0,019705821 -0,075379169

44 6,968214404 -0,348141198 -1,331717882

45 7,283076716 -0,20236863 -0,774105235

46 6,979798976 -0,641134229 -2,452481704

47 6,913143747 -0,110748984 -0,423639613

48 7,155008527 -0,308086642 -1,178500255

49 7,379985358 0,018727475 0,071636777

50 7,350014382 0,068568521 0,262289916

51 7,195115459 0,118104928 0,451777744

52 7,117818848 -0,213750357 -0,817642885

53 6,854962779 -0,538646828 -2,060444491

54 7,14004282 0,630007301 2,409918718

55 7,180608683 0,05276731 0,201846752

56 7,11158552 0,262541802 1,004281064

57 7,266966588 -0,176889752 -0,676642832

58 7,372009513 -0,127781998 -0,488794698

59 7,096372048 -0,348961593 -1,334856076

60 7,105124827 0,139102689 0,532098871

61 7,071974049 0,201597267 0,771154598

62 7,087619268 0,193945319 0,741884189

63 7,091995658 0,320539003 1,22613332

64 7,206439057 0,037788459 0,1445493

65 7,304624636 -0,05939762 -0,22720917

66 7,405809004 0,013793377 0,05276275

67 7,372805472 0,199923824 0,764753307

68 7,550044404 0,274001607 1,04811738

69 7,474881667 0,446269276 1,707079712

70 7,3437767 0,257125759 0,98356349

71 7,333662945 0,267239515 1,022250866

72 7,534721167 -0,22150078 -0,847289985

73 8,181974146 -0,174061107 -0,665822632

74 7,799220539 -0,478746523 -1,83131244

75 7,631700542 0,374667025 1,433185102

76 7,574176923 0,432190645 1,653225801

77 7,511555477 0,089346983 0,341772177

78 7,868066549 -0,267164089 -1,021962346

79 7,994554487 0,16596376 0,634848473

80 7,557387393 0,043515066 0,166454853

16

d) Os erros são não-autocorrelacionados, isto é, são independentes sob a condição de normalidade: Condição observada através da análise do gráfico 1, que indica fortemente a distribuição aleatória de erros independentes. e) Não existem erros de especificação no modelo: Todas as variáveis importantes foram incorporadas ao modelo e nenhuma variável irrelevante está presente no modelo. f) Não há forte dependência linear entre duas variáveis independentes, verificada através da análise da matriz das correlações abaixo. TABELA 5 – MATRIZ DAS CORRELAÇÕES

LN

PREÇOU TEMPO CLASSE ACESSO MATA TONCAN BI DEPR CERCA ÁGUA

LN PREÇOU 1

TEMPO 0,6054608 1

CLASSE 0,14231 -0,13766 1

ACESSO 0,2445781 -0,03832 0,264675 1

MATA -0,409048 -0,20891 -0,29359 -0,05844 1

TONCAN 0,3380966 0,036352 -0,06822 0,035698 -0,02708 1

BI DEPR 0,0886119 -0,08932 0,049551 -0,11921 -0,07261 -0,00182 1

CERCA 0,1955939 0,041348 -0,0412 -0,04289 -0,00509 -0,00819 0,186753 1

ÁGUA 0,2919793 0,29587 -0,13265 -0,18587 0,065952 0,220043 -0,03718 0,28 1

g) Não deve existir nenhuma correlação entre o erro aleatório e as variáveis independentes do modelo: Foi verificado através da plotagem dos resíduos, que não existe correlação entre o erro aleatório e as variáveis independentes do modelo. h) Possíveis pontos influenciantes, ou aglomerados deles, devem ser investigados e sua retirada fica condicionada à apresentação de justificativas. Não foram verificados pontos influenciantes, sendo observados, através do gráfico dos resíduos padronizados versus os valores ajustados, três elementos considerados outlier, que foram analisados cuidadosamente e mantidos no modelo, visto que já foi observada e verificada a normalidade dos resíduos. Relacionamos abaixo as características do modelo obtido:

17

PODER DE EXPLICAÇÃO DO MODELO: Segundo PEREIRA (1970), o coeficiente de correlação obtido no modelo pode ser considerado forte (0,70 < [r] ≤ 0,90). O poder de explicação do modelo, porém, foi aferida pelo seu coeficiente de determinação ajustado, visto que o coeficiente de determinação sempre cresce com o aumento do número de variáveis independentes e não leva em conta o número de graus de liberdade perdidos a cada parâmetro estimado.

Estatística de regressão R múltiplo 0,819321383 R-Quadrado 0,671287529 R-quadrado-ajustado 0,634249504 Erro padrão 0,275757643 Observações 80

Testes de Significância: SIGNIFICÂNCIA GLOBAL DO MODELO: Foi montada abaixo a tabela de ANOVA para a análise de variância. A hipótese nula do modelo foi submetida ao teste F de Snedecor e rejeitada ao nível máximo de significância de 1%. TABELA 5 - ANOVA

Gl SQ MQ F F de significação

Regressão 8 11,02569221 1,378211527 18,12427989 1,94498E-14

Resíduo 71 5,399001724 0,076042278

Total 79 16,42469394

SIGNIFICÂNCIA INDIVIDUAL DOS PARÂMETROS: Os parâmetros foram submetidos ao teste t de Student para verificar a significância individual dos parâmetros. O nível de significância máximo para a rejeição da hipótese nula de cada regressor (teste bicaudal) não foi superior a 30%, conforme pode ser observado na tabela abaixo. Tabela 6 - Teste t de Student

Coeficientes Erro padrão Stat t valor-P

Interseção 4,80376091 0,417312812 11,51117523 6,75945E-18

TEMPO 0,00782942 0,001085618 7,211943774 4,79116E-10

CLASSE 0,00625199 0,00413277 1,51278341 0,134773445

ACESSO 0,01492644 0,004300864 3,470567634 0,00088749

MATA -0,0152497 0,004808537 -3,171380645 0,002240999

TONCAN 0,01224378 0,003009944 4,06777783 0,000121355

BI DEPR 0,06940604 0,039709978 1,747823759 0,084817709

18

CERCA 0,13215805 0,071192982 1,856335413 0,067555148

ÁGUA 0,11006701 0,077032919 1,428830822 0,157437724

Analisamos abaixo a influência de cada variável na estimativa de valor: O valor unitário (PRECOU) estimado pelo modelo em função do tempo variou de forma exponencial conforme o gráfico abaixo, sendo responsável por uma valorização de 0,79% para cada nível considerado (mês).

A característica "classes de capacidade de uso das terras" (CLASSE) variou de forma exponencial conforme o gráfico abaixo, sendo responsável por uma valorização de 0,63%.

19

A qualidade de acesso ao imóvel (ACESSO) variou de forma exponencial conforme o gráfico abaixo, sendo responsável por uma valorização de 7,77% para as seguintes mudanças de nível: “ruim” para “desfavorável”, “desfavorável” para “regular”, “bom” para “muito bom” e “muito bom” para “ótimo”. A mudança do nível “regular” para o nível “bom” foi de 16,1%, ocasionado pela forma como a variável foi introduzida no estudo, onde o intervalo numérico entre uma categoria qualitativa e outra foi de 5, com exceção de intervalo entre as categorias regular e boa, que foi de “10 pontos”.

A quantidade de área com mata no imóvel, conforme esperado, influenciou de forma negativa no valor estimado pelo modelo, conforme pode ser observado no gráfico abaixo.

A produção de cana-de-açúcar do imóvel variou de forma exponencial conforme o gráfico abaixo, sendo responsável por uma valorização de 1,23% para cada nível considerado.

20

A quantidade de área ocupada com moradias (BIDEPR) variou de forma exponencial conforme o gráfico abaixo, sendo responsável por uma valorização de 7,19% para cada unidade.

Podemos dividir a zona canavieira do Estado em duas regiões: a mata norte, também chamada de “mata seca” e a mata sul. A mata norte possui um relevo menos acidentado e menor precipitação anual, enquanto que na mata sul ocorre exatamente o contrário. Antigamente, o setor sucroalcooleiro utilizava largamente a tração animal, tanto no plantio e nos tratos culturais, quanto na colheita. Posteriormente, com o advento dos herbicidas e do plantio direto, associado à fabricação de maquinas agrícolas mais adaptadas ao relevo acidentado, principalmente a carregadeira Bell, os produtores de cana-de-açúcar da mata norte praticamente deixaram de utilizar a tração animal na exploração agrícola. Tal fato não ocorreu na mata sul, onde algumas operações, principalmente na colheita ainda são realizadas com a utilização de animais (transporte palha/ponto). Neste sentido, grande parte das

21

propriedades possui instalações para animais, associada com uma área de pasto, sem representar, entretanto, uma produção pecuária propriamente dita. Com a grande crise do setor na década de 90, parte dos produtores partiram para uma tentativa de diversificar a produção, muitas vezes cercando a propriedade e entrando no ramo da pecuária. Neste sentido, introduzimos de forma separada os atributos que indicam a existência de cerca, a existência de instalações para animais (variáveis dicotômicas) e a quantidade de área ocupada com as instalações animais, depreciadas. Observamos abaixo que em média os preços dos imóveis com cerca estão 14,13% superior aos dos imóveis sem cerca. Conforme mencionado anteriormente, foram introduzidas no estudo variáveis que indicavam a presença de benfeitorias relacionadas a atividade pecuária. A análise da amostra levantada e os resultados alcançados no estudo, demonstraram que a variável cerca representa muito mais do que simplesmente o “custo” auferido pelo proprietário para levantar a cerca, mas sim a possibilidade de aumento das opções de exploração do imóvel, isto é, a diversificação da atividades produtiva.

Os preços dos imóveis com recursos hídricos disponíveis estão 11,63% superior aos dos imóveis desprovidos de recursos hídricos, conforme o gráfico apresentado abaixo. Acreditamos que, da mesma forma que a existência de cerca influenciou positivamente no valor estimado dos imoveis pela possibilidade de diversificação da produção, a existência de recursos hídricos nos imóveis segue o mesmo caminho.

22

As variáveis de localização, tanto local quanto regional, foram introduzidas no estudo a fim de se confirmar a influência das mesmas, já que a distância para a usina sempre foi considerada um fator muito importante, visto que o transporte da produção de cana-de-açúcar para a unidade moageira contribui com uma parcela considerável dos custos de produção.

A “chegada” das varas trabalhistas nos municípios do interior do Estado de Pernambuco no início da década de 90 ocasionou um grande número de ações trabalhistas no setor sucroalcooleiro, cujas conseqüências eram agravadas pelo fato dos trabalhadores canavieiros serem também moradores das propriedades rurais com a geração, por ocasião da demissão, de uma série de indenizações, não só das benfeitorias porventura construídas pelos mesmos, mas, principalmente, pelas lavouras plantadas ao redor das moradias. Tal fato, associado às melhorias nas condições de transporte e a grande atração exercidas pelos centros urbanos, ocasionaram um transferência dos trabalhadores rurais para as sedes dos municípios, sendo o transporte, de acordo com a convenção trabalhista dos canavieiros, bancado pelos contratantes e o tempo do percurso computado na jornada de trabalho.

Neste sentido, tentou-se com o presente estudo, observar a influência desses fatores, inclusive o que seria mais valorizado na região: a distância para a usina ou para a sede do município, a princípio, local de moradia dos trabalhadores contratados e temporários.

As variáveis, porém, não entraram no modelo proposto, quer por não passarem nos testes estatísticos, quer por serem irrelevantes. Acreditamos que a utilização da técnica da superfície de tendência possibilite solucionar o problema de autocorrelação espacial, verificada em regressões lineares a partir de dados distribuidos espacialmente (RESENER E HOCHHEIM, 2006).

23

CONCLUSÕES E RECOMENDAÇÕES Baseado nas pesquisas realizados durante o período de 1996 a 2008, concluímos que: a) As hipóteses formuladas foram confirmadas, com exceção da dimensão

do imóvel, que foi rejeitada no teste de student ao nível de 30% de significância. A amplitude da amostra considerada no estudo no que diz respeito à dimensão foi pequena, com pequeno número de imóveis acima de 500 hectares, sendo esse o provável motivo de rejeição da hipótese.

b) Os pressupostos básicos exigidos pela NBR 14.653-3 foram atendidos no que diz respeito à linearidade, normalidade, homocedasticidade, verificação de autocorrelação, colinearidade e verificação de pontos influenciantes ou outliers.

c) Os testes de significância foram plenamente atendidos pelo modelo. d) O modelo é adequado para utilização na estimativa de valor de mercado

na região considerada, desde que não sejam feitas extrapolações em desacordo com as normas.

e) As variáveis do modelo podem ser utilizadas como subsídios para avaliação de imóveis rurais na região em estudo pelo método comparativo direto de dados de mercado, com a utilização da estatística descritiva.

24

REFERÊNCIAS ABNT - ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 14.653-1: 2001 - Avaliação de Bens - Parte 1: Procedimentos Gerais , ABNT, 2001. ABNT - ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 14.653-3: 2004 - Avaliação de Bens - Parte 3: Imóveis Rurais , ABNT, 2004. BRASIL. Ministério da Agricultura. Departamento Nacional de Pesquisa Agropecuária. Divisão de Pesquisa Pedológica. Levantamento Exploratório-Reconhecimento de Solos do Estado de Pernambuco. Recife, 1972. 2v. (Brasil. Ministério da Agricultura-DNPEA-DPP. Boletim Técnico, 26; SUDENE. DRN. Série Pedológica, 14). DANTAS, R.A. - Engenharia de Avaliações: Uma Introdução à Metodologia Científica . 2ª Edição. São Paulo, Pini, 2005. EMBRAPA. Centro Nacional de Pesquisa de Solos. Sistema Brasileiro de Classificação de Solos . 2. ed. Rio de Janeiro: EMBRAPA, 2006. 306p. INCRA - Manual de Obtenção de Terras e Perícia Judicial . Brasília, 2006. LEPSCH, I.F.; BELLINAZZI JÚNIOR, R. BERTOLINI, D. Manual para Levantamento Utilitário do Meio Físico e Classifica ção de Terras no Sistema de Capacidade de Uso . Campinas: SBCS, 1991. 175p LIMA, M. R. C. Avaliação de Propriedades Rurais : manual básico. 2.ed.rev. e atual. São Paulo: Liv. e Ed. Universitária de Direito, 2005. 287p. MELO, B. de; DUARTE, R.F. - Curso de Estatística Inferencial - Regressões . Rio de Janeiro, 1997. REYDON, B.P.; CORNÉLIO, F.N.M. - Mercados de Terras no Brasil - Estrutura e Dinâmica . Brasília: NEAD, 2006. SILVA, F.B.R. et al. - Zoneamento Agroecológico do Estado de Pernambuco . Recife: Embrapa Solos - Unidade de Execução de Pesquisa e Desenvolvimento - UEP Recife; Governo do Estado de Pernambuco (Secretaria de Produção Rural e Reforma Agrária), 2001. CD-ROM. - (Embrapa Solos. Documentos n. 35). SPIEGEL, M.R. - Estatística . São Paulo, Editora McGraw-Hill do Brasil Ltda. WONNACOTT, R.J.; WONNACOTT T.H. - Econometria . 2ª Edição. Rio de Janeiro, Livros Técnicos e Científicos, 1978.