Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.ufc.br/handle/riufc/56316| Tipo: | Dissertação |
| Título : | Modelo hedônico espacial para avaliação em massa de imóveis de Fortaleza |
| Autor : | Moreira, Felipe Fernandes |
| Tutor: | Campos, Vanessa Ribeiro |
| Co-asesor: | Barros Neto, José de Paula |
| Palabras clave : | Avaliação de imóveis;Mercado imobiliário;Modelos hedônicos;Big data;Aprendizado de máquina |
| Fecha de publicación : | 2020 |
| Citación : | MOREIRA, Felipe Fernandes. Modelo hedônico espacial para avaliação em massa de imóveis de Fortaleza. 2020. 110 f. Dissertação (Mestrado em Engenharia Civil: Estruturas e Construção Civil) – Universidade Federal do Ceará, Centro de Tecnologia, Programa de Pós-Graduação em Engenharia Civil, Fortaleza, 2020. |
| Resumen en portugués brasileño: | A avaliação mais precisa de imóveis gera benefícios para todas as partes interessadas envolvidas na cadeia de valor do mercado imobiliário: clientes, poder público e empresas. A capacidade de elaborar modelos comparativos que permitam, com base em observações reais, prever o valor de um imóvel com maior precisão influencia positivamente, portanto, um setor com grande atuação na economia nacional. Na literatura, encontra-se a utilização de métodos capazes de modelar relações não-lineares entre variáveis, métodos que incorporam efeitos do fenômeno da autocorrelação espacial e a combinação de resultados de modelos distintos no intuito de se obter modelos com erros menores. O objetivo geral deste ensaio é construir um modelo hedônico espacial de avaliação em massa de imóveis para a cidade de Fortaleza, Ceará, com suporte em técnicas capazes de explorar potenciais relações não-lineares da autocorrelação espacial. É sabido, porém, que o processo de modelagem está sujeito a efeitos de aleatoriedade, sendo necessário garantir que as melhorias na precisão dos modelos são causadas pelas mudanças realizadas pelos pesquisadores. Dessa maneira, o modelo proposto tem o desempenho comparado com padrões de referência que utilizam métodos consolidados na literatura por meio de testes estatísticos que atestem a significância das diferenças nas métricas de erro encontradas. Os testes estatísticos revelam que a comparação pontual é falha e não permite atestar com a devida confiança o melhor desempenho dos algoritmos testados em termos relativos e absolutos. Denotou evidências de que o emprego de ensemble, em particular o algoritmo Random Forest, e que exploram o fenômeno da autocorrelação espacial, a saber modelo autoregressivo espacial, são mais precisos para problemas de avaliação em massa de imóveis. Não foram encontradas diferenças estatisticamente significantes entre os erros relativos dos modelos Random Forest e autoregressivo espacial. Os resultados advogam em favor dos modelos de regressão espacial, tendo em vista que além do desempenho obtido os mesmos são mais facilmente interpretados. |
| Abstract: | A more precise real estate appraisal generates benefits for all stakeholders involved in real estate value chain: customers, government and companies. Therefore, the capacity to construct comparative models capable of, with real market observations, predict more precisely the value of real estate assets influences positively a economic sector with large presence on national economy. Literature reveals that the use of methods capable of modelling non-linear relationships between variables, methods that incorporate the effects of special autocorrelation and emsemble of different models results with the purpose of reducing prediction errors. The main objective of the study is to build a mass real estate appraisal spatial hedonic model for the city of Fortaleza, Ceará, derived from techniques that allows exploring potential non-linear spatial autocorrelation effects. However, it is known that the modelling process is swayed by randomness, demanding that the betterment observed in error metrics results are produced by the changes applied by researchers. Thus, the performance of the proposed model will be compared with referential models built with well-established methods through statistical tests that can certify the significance of the difference between error metrics obtained. Statistical testing reveal that single error metrics comparison are not suited for evaluate model performance in relative and absolute terms. The study provide evidence that models constructed with ensembles (namely Random Forest) and models exploring spatial autocorrelation phenomenon (Spatial Autoregressive Models) are relativily more precise for real estate mass appraisal problems, although no found no evidence to state that there are significant difference between the performance of Random Forest and Autoregressive Spatial Models. Results point to advantages in the use of spatial autoregressive model, since in addition to its overall performance, such models are easily interpreted. |
| URI : | http://www.repositorio.ufc.br/handle/riufc/56316 |
| Aparece en las colecciones: | DECC - Dissertações defendidas na UFC |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 2020_dis_ffmoreira.pdf | 4,87 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.