Modelação do preço de arrendamento dos imóveis destinados a habitação no concelho de Lisboa

Abstract

O objetivo deste trabalho é a construção de um modelo estatístico que permita identificar os atributos determinantes do preço de arrendamento dos imóveis situados no concelho de Lisboa. Para esse efeito são considerados quer atributos físicos típicos dos imóveis, como a área, a tipologia, o número de casas de banho, entre outros, quer atributos de localização. A informação recolhida respeitante aos últimos foi medida recorrendo aos tempos que se demora a percorrer as distâncias entre os imóveis e determinado ponto de interesse ou local de reconhecida influência, aquando da escolha de uma habitação para viver. A metodologia estatística selecionada foi a regressão linear múltipla. Mostraram-se relevantes para explicar o comportamento médio do preço de arrendamento dos imóveis algumas variáveis relacionadas com características intrínsecas e extrínsecas. No entanto, as últimas não tiveram o impacto esperado. O modelo de regressão final obtido explica cerca de 65,6% da variação observada na variável dependente Price, em torno da sua média. Das onze variáveis nele incluídas, apenas três dizem respeito à localização geográfica do imóvel. Concluiu-se, igualmente, que os atributos físicos área útil, número de casas de banho e estado do imóvel são os que apresentam maior contribuição relativa para explicar o comportamento esperado do preço de arrendamento, dos imóveis destinados a habitação no concelho de Lisboa, conforme seria de esperar.

The purpose of this study is to build a statistical model that allows the identification of the main attributes influencing the rental price of a home, in the municipality of Lisbon. In order to do so, attributes related to the typical physical characteristics, as the area, typology, number of bathrooms, among others, and location attributes were taken into account. The information gathered in relation to the latter considered was the time required to cover the distance between a property and a point of interest or a place with recognized influence when individuals are looking for a place to live. The statistical methodology applied was the multiple linear regression. The variables concerning both intrinsic and extrinsic characteristics have been proved relevant when it comes to explaining the average behavior of the rental price of properties. Nevertheless, extrinsic characteristics did not have the expected impact. The final regression model obtained accounts for 65,6% of the variability observed in the outcome, the dependent variable Price. Amongst the eleven variables it included, only three concern the location of the property. It was also concluded that the physical characteristics - as the useful area, number of bathrooms and the state of repair of the property - are the ones that have a greater impact to explain the expected behavior of the rental price, as expected.