Please use this identifier to cite or link to this item: https://rima.ufrrj.br/jspui/handle/20.500.14407/9837
Full metadata record
DC FieldValueLanguage
dc.contributor.authorUberti, Marlene Salete
dc.date.accessioned2023-12-21T18:45:52Z-
dc.date.available2023-12-21T18:45:52Z-
dc.date.issued2016-07-11
dc.identifier.citationUBERTI, Marlene Salete. Avaliação em massa de imóveis rurais através de modelagem clássica, espacial e geoestatística. 2016. 129 f. Tese (Doutorado em Ciência, Tecnologia e Inovação em Agropecuária). Pró-Reitoria de Pesquisa e Pós-Graduação, Universidade Federal Rural do Rio de Janeiro, Seropédica, RJ, 2016.por
dc.identifier.urihttps://rima.ufrrj.br/jspui/handle/20.500.14407/9837-
dc.description.abstractNas avaliações em massa de imóveis tradicionalmente são utilizados os modelos clássicos de regressão linear (MCRL), entretanto tem-se verificado a necessidade de modelar os dados espacialmente. Esta modelagem dos efeitos espaciais vem sendo utilizada principalmente nas avaliações de áreas urbanas, sendo que os valores dos imóveis nas áreas rurais também são afetados pela localização geográfica. A inexistência de metodologias de avaliação em massa de imóveis rurais é um dos motivos da evasão da receita do imposto territorial rural (ITR), pois desde que foi criado em 1964, a arrecadação deste imposto é ineficiente e inexpressiva. O objetivo deste trabalho foi a utilização de modelos econométricos de regressão espacial na modelagem dos efeitos espaciais em uma amostra de imóveis rurais para a elaboração da Planta de Valores Genéricos (PVG) em uma área da Região Norte Fluminense, estado do Rio de Janeiro. A proposta metodológica consistiu em investigar e modelar os efeitos causados pela autocorrelação espacial sobre os MCRL, avaliar seus desempenhos comparando-os com os modelos espaciais e produzir a PVG por meio da Krigagem ordinária e do estimador Kernel. A amostra utilizada contou com 113 observações e 25 amostras de verificação. Para avaliar o desempenho das superfícies de valores obtidas foram utilizadas as amostras de verificação e calculados os valores da Raiz Quadrada do Erro Médio Quadrático (REMQ) e das métricas recomendadas pela International Association of Assessing Officers (IAAO). Os resultados mostraram que a autocorrelação espacial pode ter seus efeitos reduzidos pelo Modelo do Erro Espacialmente Correlacionado (Conditional Auto Regressive - CAR) e pela Regressão Geograficamente Ponderada (RGP). A superfície gerada pelo estimador Kernel, utilizando-se os valores preditos da amostra de verificação pelo modelo RGP foi a que obteve o melhor desempenho com menor REMQ e valores do coeficiente de dispersão (COD), da mediana das razões e do Diferencial Relativo ao Preço (Price Related Differential - PRD) próximos dos recomendados pela IAAO. A combinação das metodologias da regressão clássica e espacial, e a utilização de técnicas de Geoestatística se mostraram adequadas para a elaboração e obtenção da PVG para áreas rurais. A metodologia proposta se mostrou aplicável nos mercados de terras rurais, pois pode ser utilizada pelos municípios para obter modelos representativos da realidade destes mercados, bem como para elaborar a PVG das áreas rurais.por
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Federal Rural do Rio de Janeiropor
dc.rightsAcesso Abertopor
dc.subjectStandard ground valueeng
dc.subjectMass appraisaleng
dc.subjectGeostatisticseng
dc.subjectGround value mapeng
dc.subjectPlanta de valores genéricos - PVGpor
dc.subjectAvaliação em massapor
dc.subjectGeoestatísticapor
dc.subjectSuperfície de valorespor
dc.titleAvaliação em massa de imóveis rurais através de modelagem clássica, espacial e geoestatísticapor
dc.title.alternativeMass appraisal of rural land through classical, spatial and geostatistics modelingeng
dc.typeTesepor
dc.description.abstractOtherTraditionally the Classical Linear Regression Models (CLRMs) have been used for mass appraisal of property bulk value, however, it has been noticed the need to take into account the data spatial variation. This modeling for the geographic effects has been used mainly in urban area appraisals, while farmland values are also affected by geographic location. The lack of methodologies for mass evaluation of farmland has led to tax evasion of farmland tax revenue (ITR), as it has been inefficiently and inexpressively collected since its enactment in 1964. The objective of this paper is to use econometrics models of spatial regression in farmland comparables to produce a map of standard ground value for the Northern Region of Rio de Janeiro State, Brazil. The proposed methodology includes the investigation and modeling the effects of spatial autocorrelation on the CLRMs, to evaluate their performance comparing them with the spatial models and to produce a map of standard ground value through ordinary Kriging and kernel estimator. The sample of comparables was comprised of 113 observations for model development and 25 observations for validation. To evaluate the performance of obtained maps of values were used the validation samples to calculate the Root Mean Square Error (RMSE) values and the metrics recommended by the International Association of Assessing Officers (IAAO). The results showed that the spatial autocorrelation can have its effect predicted by the Conditional AutoRegressive model (CAR) and by the Geographically Weighted Regression (GWR). By using the values predicted with the GWR model and the validation comparables, the Kernel estimator presented the best performance on map production, yielding the lowest RMSE and dispersion coefficients, median of ratios and Price Related Differential (PRD) close to IAAO recommended values. The combination of classical and spatial regression methodologies and the use of Geostatistics techniques showed to be suitable for obtaining maps of standard ground value for farmland areas. The proposed methodology has been show applicable to farmland sales market, as it can be used by municipalities to obtain representative models of real market values, as well as to produce farmland standard ground value maps.eng
dc.contributor.advisor1Antunes, Mauro Antonio Homem
dc.contributor.advisor1ID656.965.816-68por
dc.contributor.advisor-co1Debiasi, Paula
dc.contributor.advisor-co1ID004.107.580-35por
dc.contributor.referee1Antunes, Mauro Antonio Homem
dc.contributor.referee2Anjos, Lucia Helena Cunha dos
dc.contributor.referee3Tassinari, Wagner
dc.contributor.referee4Hochheim, Norberto
dc.contributor.referee5Deutsch, Simone Feigelson
dc.creator.ID692.877.089-91por
dc.creator.Latteshttp://lattes.cnpq.br/4640329389281733por
dc.publisher.countryBrasilpor
dc.publisher.departmentPró-Reitoria de Pesquisa e Pós-Graduaçãopor
dc.publisher.initialsUFRRJpor
dc.publisher.programPrograma de Pós-Graduação em Ciência, Tecnologia e Inovação em Agropecuáriapor
dc.subject.cnpqCiências Agráriaspor
dc.thumbnail.urlhttps://tede.ufrrj.br/retrieve/6351/2016%20-%20Marlene%20Salete%20Uberti.pdf.jpg*
dc.thumbnail.urlhttps://tede.ufrrj.br/retrieve/17544/2016%20-%20Marlene%20Salete%20Uberti.pdf.jpg*
dc.thumbnail.urlhttps://tede.ufrrj.br/retrieve/23862/2016%20-%20Marlene%20Salete%20Uberti.pdf.jpg*
dc.thumbnail.urlhttps://tede.ufrrj.br/retrieve/30244/2016%20-%20Marlene%20Salete%20Uberti.pdf.jpg*
dc.thumbnail.urlhttps://tede.ufrrj.br/retrieve/36620/2016%20-%20Marlene%20Salete%20Uberti.pdf.jpg*
dc.thumbnail.urlhttps://tede.ufrrj.br/retrieve/43000/2016%20-%20Marlene%20Salete%20Uberti.pdf.jpg*
dc.thumbnail.urlhttps://tede.ufrrj.br/retrieve/49380/2016%20-%20Marlene%20Salete%20Uberti.pdf.jpg*
dc.thumbnail.urlhttps://tede.ufrrj.br/retrieve/55832/2016%20-%20Marlene%20Salete%20Uberti.pdf.jpg*
dc.originais.urihttps://tede.ufrrj.br/jspui/handle/jspui/2319
dc.originais.provenanceSubmitted by Jorge Silva (jorgelmsilva@ufrrj.br) on 2018-05-18T17:57:14Z No. of bitstreams: 1 2016 - Marlene Salete Uberti.pdf: 4547445 bytes, checksum: 0815ad8e3c8b5cdf64206ec60d91619c (MD5)eng
dc.originais.provenanceMade available in DSpace on 2018-05-18T17:57:14Z (GMT). No. of bitstreams: 1 2016 - Marlene Salete Uberti.pdf: 4547445 bytes, checksum: 0815ad8e3c8b5cdf64206ec60d91619c (MD5) Previous issue date: 2016-07-11eng
Appears in Collections:Doutorado em Ciência, Tecnologia e Inovação em Agropecuária

Se for cadastrado no RIMA, poderá receber informações por email.
Se ainda não tem uma conta, cadastre-se aqui!

Files in This Item:
File Description SizeFormat 
2016 - Marlene Salete Uberti.pdfDocumento principal4.44 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.