1. Introdução

Este relatório apresenta uma análise de regressão linear aplicada ao mercado imobiliário, com foco em identificar como diferentes fatores influenciam o preço por m2.

O objetivo é oferecer uma visão executiva, clara e orientada à tomada de decisão.

A base utilizada contém 413 registros, com identificadores variando de 1 a 413. Sem duplicidades, a base se apresenta consistente para a análise proposta.

2. Caracterização da Base Imobiliária

Mapa de Calor das Relações Entre Variáveis

A Correlação entre Reais_m2 e o Deslocamento_metro_Km é forte e tem tendência de queda no preço.

A Correlação entre Reais_m2 e o Tempo_Construcao é fraca e também tem tendência de queda de preço.

A Correlação entre Reais_m2 e a quantidade de Comercios_quadra é ligeiramente forte, com tendência de aumento de preço.

Observações executivas

Variável observada (Reais_m2)

A variável Reais_m2 se mantém estável na maior parte dos casos, mas alguns imóveis mais caros elevam ligeiramente a média, indicando poucos valores acima do padrão geral. Esse comportamento gera uma leve assimetria para valores mais altos, algo comum em mercados imobiliários.

Resumo estatístico das variáveis

##     Reais_m2      Tempo_Construcao Deslocamento_metro_Km Comercios_quadra
##  Min.   : 1.520   Min.   : 0.00    Min.   :0.769         Min.   : 0.000  
##  1st Qu.: 5.540   1st Qu.: 9.00    1st Qu.:1.383         1st Qu.: 1.000  
##  Median : 7.680   Median :16.10    Median :1.512         Median : 4.000  
##  Mean   : 7.558   Mean   :17.73    Mean   :1.560         Mean   : 4.102  
##  3rd Qu.: 9.320   3rd Qu.:28.20    3rd Qu.:1.777         3rd Qu.: 6.000  
##  Max.   :15.660   Max.   :43.80    Max.   :2.142         Max.   :10.000

Reais_m2

O preco por m2 apresenta variacao consideravel, com metade dos imoveis situados entre aproximadamente 5,5 mil e 9,3 mil reais por m2. A mediana de 7,68 mil indica que o mercado tem valores moderados, mas ha unidades que chegam a mais de 15 mil por m2, mostrando presenca de imoveis de padrao mais elevado.

Tempo_Construcao

O tempo de construção dos imóveis é bem variado, mas metade deles se concentra entre 9 e 28 anos, mostrando um portfólio com unidades tanto mais novas quanto mais antigas.

Deslocamento_metro_Km

A distância até o metrô é relativamente estável, concentrada entre 1,3 km e 1,8 km, com poucas unidades muito próximas ou muito distantes. Isso sugere uma localização relativamente homogênea em termos de acesso ao transporte.

Comercios_quadra

A oferta de comércio no entorno varia de forma moderada onde a maior parte dos imóveis está em áreas com 1 a 6 comércios por quadra, mas existem regiões com até 10 estabelecimentos, indicando zonas mais movimentadas.

Sintese geral das variaveis: Em conjunto, as variáveis mostram um mercado relativamente homogêneo em localização, mas com variação relevante em preço e idade dos imóveis, o que justifica o uso de regressão para identificar os fatores que mais influenciam o valor.

3. Modelagem

3.1 Visão geral do modelo

O modelo ajustado considera as seguintes variáveis explicativas:

  • Distância até o metrô
  • Tempo de construção
  • Quantidade de comércios na quadra

Desempenho do modelo:

  • R² ajustado:

Mesmo após a penalização do modelo devido ao número de variáveis, o modelo ainda explica cerca de 61.687% da variação do preço por m².

  • MAPE:

O modelo erra em média 17.5% no valor previsto por m², o que é comum e razoável, considerando que o preço de um imóvel tem alta variabilidade.

  • Erro típico (RSE):

O erro típico deste modelo oscila em torno de mais ou menos 1.62 mil/m².

Coeficientes do Modelo de Regressao
Variavel Coeficiente Erro Padrao t-valor p-valor
Reais_m2 16.494 0.745 22.15 5.20e-72
Deslocamento_metro_Km -5.740 0.405 -14.16 2.61e-37
Tempo_Construcao -0.041 0.007 -5.88 8.72e-09
Comercios_quadra 0.184 0.038 4.88 1.51e-06

Mesmo adotando critérios estatísticos mais rigorosos, com níveis de confiança de 99% ou até 99,9%, todas as variáveis do modelo permanecem estatisticamente significativas.

Isso reforça que os efeitos observados são consistentes e não resultam de variações aleatórias da base.

3.2 Como cada variável explicativa do modelo influencia o preço por m²

3.3 Formula matematica do modelo

O modelo ajustado pode ser representado pela seguinte equacao linear:

\[ \small Reais\_m2 = 16.49 \; - \; 5.74 \cdot Deslocamento\_metro\_Km \; - \; 0.04 \cdot Tempo\_Construcao \; + \; 0.18 \cdot Comercios\_quadra \]

Essa expressao mostra como cada variavel contribui para o preco por m2, mantendo as demais constantes.

4. Diagnóstico dos resíduos

Os gráficos indicam um comportamento de resíduos compatível com os pressupostos básicos da regressão linear, sem violações severas de normalidade ou homocedasticidade.

5. Conclusões

  • A distância ao metrô apresenta relação negativa com o preço por m².
  • A presença de comércios na região tende a elevar o valor dos imóveis.
  • O modelo é uma regressão linear múltipla, interpretável e adequada para uso exploratório e apoio à decisão no contexto imobiliário.

Este relatório é uma visão executiva; toda a análise detalhada, testes adicionais e experimentações estão documentados em scripts técnicos deste projeto.

6. Insights de Negócio e Potencial da Metodologia

O mercado imobiliário foi apenas o case utilizado para demonstrar a aplicação.
O produto real é a metodologia preditiva, que pode ser aplicada em qualquer setor que possua dados históricos.

Principais entregas da metodologia:

  • Identifica os fatores que mais influenciam o resultado
  • Quantifica o impacto de cada variável
  • Permite simulações “e se” para apoiar decisões
  • Gera insights acionáveis em linguagem executiva
  • Pode ser replicada para varejo, saúde, RH, logística, indústria, marketing e finanças

Mensagem central: a metodologia é o ativo principal e pode ser adaptada ao contexto de cada cliente.

7. Contato e Informações Profissionais

Para projetos de modelagem preditiva, analise de dados ou consultoria personalizada, entre em contato:

Falar no WhatsApp

Email:
LinkedIn: https://www.linkedin.com/in/paulo-data-driven/
GitHub: https://paulopconsult-bit.github.io/

Fico a disposicao para desenvolver modelos, estudos e solucoes de dados aplicados ao seu negócio.