Pedro Henrique Guimarães Barros
Resumo
A identificação de submercados desempenha um papel importante no contexto de avaliação de massa imobiliária, para eliminar a autocorrelação espacial, ou a heterocedasticidade dos resíduos em modelos lineares, tornando a inferência estatística mais confiável e permitindo uma melhor interpretação da formação dos preços imobiliários. Tradicionalmente realizado empiricamente, por técnicas de agrupamento ou por modelagem de resíduos espaciais aplicada a dados hedônicos de propriedades em uma determinada região, os estudos indicam que o uso de modelos de mineração de dados tem obtido resultados promissores para realizar essa tarefa de forma automática. Neste trabalho, considerando uma visão regionalizada e não individual da unidade imobiliária, propõe-se descobrir submercados a partir da detecção de comunidades em grafos formados pelos bairros de uma cidade. A partir das informações socioeconômicas e locacionais da cidade do Rio de Janeiro, forma-se uma rede composta por bairros, tendo a similaridade entre eles como pesos dos nós, onde as comunidades são identificadas a partir da modularidade dessa rede. A abordagem hierárquica para obtenção da estrutura da comunidade aqui utilizada permite diferentes cenários para a compreensão dos submercados, aspecto importante para os tomadores de decisão em uma área do conhecimento tão suscetível à incerteza.
Abstract
The identification of submarkets plays an important role in the context of real estate mass appraisal, to eliminate spatial autocorrelation, or the heteroscedasticity of residues in linear models, making statistical inference more reliable and allowing a better interpretation of the formation of property prices. Traditionally carried out empirically, by grouping techniques or by spatial residual modelling applied to hedonic data from properties in a specific region, studies indicate that the use of data mining models has obtained promising results to carry out this task automatically. In this work, considering a regionalized and not individual view of the real estate unit, it is proposed to discover submarkets based on the detection of communities in graphs formed by the neighborhoods of a city. From the socioeconomic and locational information of the city of Rio de Janeiro, a complex network of neighborhoods is formed, and communities are identified based on this network's modularity. The hierarchical approach to obtaining the community structure used here allows different scenarios for understanding the submarkets, an important aspect for decision makers in an area of knowledge so susceptible to uncertainty.
