Norma técnica · ABNT

Guia da NBR 14653: regressão linear na avaliação de imóveis

Como a norma brasileira de avaliação de bens estrutura o uso de inferência estatística — graus de fundamentação, pressupostos da regressão, análise de resíduos e o que isso significa na prática para laudos de imóveis urbanos.

O que é a NBR 14653

A NBR 14653 é a norma brasileira da ABNT que estabelece diretrizes para a avaliação de bens. Está dividida em sete partes, sendo a Parte 2 — Imóveis urbanos a referência para avaliação de terrenos, apartamentos, casas, salas comerciais e galpões nas cidades brasileiras. Ela define métodos, requisitos de coleta de dados, tratamento estatístico, apresentação do laudo e critérios objetivos de qualidade do trabalho avaliatório.

Métodos previstos na norma

  • Método comparativo direto de dados de mercadoIdentifica o valor por comparação com imóveis semelhantes. É o método mais utilizado e o que admite tratamento por inferência estatística (regressão).
  • Método involutivoEstima o valor a partir do aproveitamento eficiente do imóvel, considerando custos e receitas de um empreendimento hipotético.
  • Método evolutivoSoma o valor do terreno ao das benfeitorias depreciadas.
  • Método da capitalização da rendaAplica a renda líquida do imóvel a uma taxa de capitalização.
  • Método comparativo direto de custos / método da quantificação do custoPara apurar o custo de reedição de benfeitorias.

Graus de fundamentação e precisão

A norma classifica o laudo em Graus I, II e III de fundamentação (do menor para o maior rigor) e em Graus I, II e III de precisão (amplitude do intervalo de confiança). O grau alcançado depende, entre outros itens, do número de dados de mercado, do número de variáveis significativas, do nível de significância dos regressores e da amplitude do intervalo de predição.

ItemGrau IGrau IIGrau III
Nº mínimo de dados de mercado (regressão)3 (k+1) *4 (k+1)6 (k+1)
Nível de significância máximo dos regressores (t)30%20%10%
Nível de significância máximo do modelo (F)10%5%1%
Amplitude do IC de 80% (precisão)≤ 50%≤ 40%≤ 30%

* k = número de variáveis independentes do modelo. Valores são uma síntese didática da NBR 14653-2; consulte a norma para a redação oficial.

Pressupostos da regressão linear

Para que o modelo de regressão seja aceito pela norma, os pressupostos clássicos do modelo linear precisam ser verificados:

  • Linearidade
    Relação linear entre variáveis explicativas e a variável dependente (ou transformada).
  • Normalidade dos resíduos
    Resíduos com distribuição aproximadamente normal — verificada por histograma, Q-Q plot e aderência a ±1σ, ±1,64σ, ±1,96σ.
  • Homocedasticidade
    Variância constante dos resíduos ao longo dos valores ajustados.
  • Independência dos resíduos
    Ausência de autocorrelação (Durbin-Watson).
  • Ausência de multicolinearidade
    Variáveis independentes não fortemente correlacionadas entre si (VIF).
  • Significância estatística
    Coeficientes com p-valor compatível com o grau pretendido.

Análise de resíduos: o teste prático

A NBR 14653 espera que os resíduos do modelo se comportem como uma distribuição normal de média zero. Na prática, comparam-se as frequências observadas dentro dos intervalos ±1σ (≈ 68%), ±1,64σ (≈ 90%) e ±1,96σ (≈ 95%) com os valores teóricos da normal padrão. Quanto mais próximos, melhor a aderência — indicador direto da qualidade do modelo.

Esse é exatamente o critério usado na comparação SisDEA 2015 × KNIME 2026 do nosso estudo de caso em Arcos/MG.

Estudo de caso aplicando a NBR 14653

Para ver os requisitos da NBR 14653 aplicados em um conjunto real de 82 imóveis — com R² = 0,7507, análise de correlação, equação do modelo, aderência dos resíduos e teste F — acesse o relatório completo:

Ver relatório técnico TCC 2015 × KNIME 2026

Perguntas frequentes

Qual parte da NBR 14653 trata de imóveis urbanos?

A Parte 2 (NBR 14653-2) trata especificamente de imóveis urbanos. Outras partes cobrem imóveis rurais, máquinas e equipamentos, empreendimentos, recursos naturais e ambientais, patrimônios históricos e bens intangíveis.

Qual o número mínimo de dados para usar regressão?

Depende do grau de fundamentação pretendido e do número de variáveis independentes (k). A regra geral é múltiplos de (k+1): 3(k+1) para Grau I, 4(k+1) para Grau II e 6(k+1) para Grau III.

Posso usar o KNIME para um laudo conforme a NBR 14653?

Sim. Ferramentas como KNIME, R ou Python entregam regressão linear múltipla, análise de resíduos, teste F e intervalos de confiança equivalentes aos de softwares específicos como o SisDEA. O que importa é documentar pressupostos, significância, aderência dos resíduos e precisão de acordo com a norma.