Anexa 2

Evaluarea global a portofoliilor de garanii bancare

- Recomandri Introducere
Experii evaluatori apeleaz, n prezent, la diverse metode statistice
pentru evaluarea proprietilor imobiliare, o multitudine de soluii pe
care statistica matematic le ofer pentru a fi aplicate i n acest
domeniu: MRA - analiza prin regresie multipl, serii de timp, tehnici
de logic fuzzy, ANN - reele neuronale artificiale, NFS - sisteme
neuro-fuzzy i altele.
Pe plan internaional, din ambele zone de expertiz - mediul academic
(universiti, instituii de cercetare) i industrie (bnci, firme de
evaluatori, agenii imobiliare), emerg soluii bazate pe statistica
matematic i, chiar mai mult, simbioze ale acestora cu Sisteme
Informatice Geografice (GIS) sau cu aplicaii web.
Avantajele imediate i foarte evidente ale aplicrii acestor soluii n
evaluare sunt automatizarea procesului de evaluare i existena
metodelor de control ale rezultatelor obinute cu acestea.
Dezavantajul principal const n complexitatea aplicrii soluiilor
propuse, fiind necesar un colectiv de specialiti din diferite domenii programatori, statisticieni, matematicieni, evaluatori, analiti de pia pentru a concepe i pune n funciune sisteme de asemenea natur i
anvergur.
ntruct n practic soluiile pot fi multiple, prezentele recomandri
privind evaluarea global a portofoliilor de garanii bancare au caracter
exemplificativ.
Modele automate de evaluare
Crearea i utilizarea unui AVM model automat de evaluare
(Automated Valuation Model) poate fi o soluie pentru evaluarea
portofoliilor de garanii imobiliare deinute de ctre bnci. AVM-urile
sunt soft-uri ce produc estimatori ai valorilor de pia pentru
proprietatea/proprietile imobiliare subiect, n baza analizei condiiilor
de pia i a caracteristicilor proprietilor imobiliare comparabile,
informaii de pia colectate n prealabil. AVM sunt aplicabile n
special n cazul evalurii proprietilor imobiliare prin utilizarea
abordrii prin pia.
1

Credibilitatea unui AVM i acurateea rezultatelor obinute prin

utilizarea acestuia depind de cantitatea i calitatea datelor folosite n
evaluare, de experiena i pregtirea colectivului care proiecteaz i
dezvolt modelul. Prin cantitatea datelor se nelege volumul
eantionului de date utilizat n evaluare. n ceea ce privete calitatea
datelor, n cadrul procesului de elaborare a unui AVM este desemnat
o etap special pentru managementul i analiza calitii datelor (a se
vedea etapa a 3-a).
Avnd n vedere imposibilitatea utilizrii ntregii populaii de date
(format din proprietile imobiliare identificate, care sunt oferite la
vnzare la data evalurii sau tranzacionate n condiii de pia
identice), este necesar s se preleveze un eantion de date reprezentativ
pentru ntreaga populaie. Un eantion este reprezentativ pentru
ntreaga populaie dac structura lui este identic sau foarte
asemntoare cu structura populaiei din care a fost extras, astfel nct
s fie posibil extrapolarea concluziilor finale la toat populaia din
care face parte. Eantionul va fi reprezentativ dac se utilizeaz un
procedeu de eantionare obiectiv, aleator, cu probabilitate anticipat i
dac eantionul are un volum suficient de mare de date.
Not: Pentru proprietile imobiliare ce formeaz eantionul analizat
trebuie s se cunoasc att preurile (de tranzacionare i/ sau ofert),
ct i caracteristicile acestora.
1. Procedee de eantionare
Cel mai utilizat mod de obinere a datelor necesare analizei statistice
este n prezent sondajul statistic.
Sondajul statistic poate fi de tip probabilist (sau aleator) i de tip nonprobabilist (sau nealeator). Diferenele dintre cele dou tipuri de
sondaje constau n faptul c, la procedeele probabiliste, selectarea
unitilor necesare pentru eantionare este aleatoare, sub acest aspect
fiecare unitate are o probabilitate cunoscut p i diferit de zero de a se
afla n eantion, n timp ce procedeele non-probabiliste selecteaz
unitile n mod judicios pentru ca eantionul s prezinte ct mai bine
caracteristicile eseniale ale populaiei din care este extras, dar nu se
poate cunoate probabilitatea unitii de a se afla n acel eantion.
Atenie! Din motivele enumerate mai sus, n evaluarea proprietilor
imobiliare prin metode statistice nu se recomand sondajul statistic
prin metode non-probabiliste.

Standardele de evaluare ANEVAR

Definirea
populaiei
Definirea
eantionului

Metode probabiliste

Observarea unitilor
din eantion pentru
caracteristicile desemnate

Culegerea datelor

Prelucrarea datelor din

eantion i obinerea de
indicatori statistici
DA

Eantionare
aleatoare?

Estimarea parametrilor
populaiei cu probabilitatea p
Teste statistice pentru
verificarea unor ipoteze

Eantionarea

Metode nonprobabiliste

Prelucrarea
datelor culese
NU

Concluzii asupra
populaiei observate

Concluzii orientative
la nivelul populaiei
de referin

Inferena statistic

Concluzii asupra populaiei

de referin

Fig. 1. Etapele cercetrii prin sondaj statistic1

Procedee probabiliste de eantionare
a. Eantionarea simpl se preteaz, n special, pentru populaii
omogene formate din uniti simple; eantionul poate fi selectat
aplicnd procedeul prin revenire (procedeul bilei revenite) sau fr
revenire (procedeul bilei nerevenite). Prin revenire, unitatea selectat
la un moment dat se plaseaz napoi n populaie, astfel nct fiecare
unitate a populaiei are ansa de a fi realeas la fiecare selecie, deci
probabilitatea este constant. Prin selectare fr revenire, unitatea
aleas nu mai este returnat n populaie, probabilitatea fiind variabil,
n sensul creterii ei pe msura formrii eantionului.
Dintre cele dou procedee, cea mai adecvat n cazul evalurii

Statistic: teorie i aplicaii, T. Andrei, S. Stancu, D. Traian Pele, Editura Economic, ediia a doua
2002.

proprietilor imobiliare ar fi eantionarea fr revenire2. Astfel avem

garania c toate unitile eantionului vor fi diferite, aa cum este
necesar n cazul evalurii, neputnd determina valoarea de pia a unei
proprieti imobiliare prin utilizarea unui eantion care cuprinde o
proprietate imobiliar de mai multe ori. Ambele procedee au ns o
deficien major, i anume, aceea c selecia este condiionat de
abilitatea prin care sunt amestecate elementele populaiei. Prin urmare,
n general, eantionarea simpl nu se aplic3 n evaluare.
b. Eantionarea cu tabele de numere aleatoare utilizeaz tabele Yates
sau Kendell. Se numeroteaz toate elementele populaiei i apoi se
extrage eantionul pe baza tabelelor.
c. Eantionare sistematic (mecanic) const n ordonarea elementelor
dup o caracteristic, formarea unei liste, mprirea populaiei n
grupe de cte k uniti (volume egale). k reprezint pasul de numrare
i este N , iar punctul de start este j k (N - volumul populaiei, n n

volumul eantionului).
d. Eantionarea stratificat. Populaia de date este divizat n straturi
cu caracteristici comune, ca de exemplu: proprieti imobiliare
rezideniale apartamente, vile, case .a.; proprieti imobiliare
industriale; proprieti imobiliare comerciale spaii birouri, magazine
.a.; proprieti imobiliare agricole terenuri arabile, livezi, ferme
agro-zootehnice .a.; proprieti imobiliare speciale. n vederea
construirii eantionului reprezentativ al populaiei la nivelul fiecrui
strat se aplic eantionarea aleatoare simpl.
Acest tip de eantionare se preteaz cel mai bine domeniului imobiliar
i este deja utilizat de ctre evaluatori pentru eantionarea manual a
datelor de pia necesare n evaluare, de exemplu, n funcie de vrsta
cldirilor, de dimensiunile proprietii sau de locaie.
Prin stratificare se asigur un grad mai ridicat de comparabilitate a
proprietilor comparabile cu proprietatea subiect i se pot elimina
erorile sistematice sau de selectare inadecvat a acestora. Pe de alt
parte, o stratificare exagerat a datelor poate duce la imposibilitatea
aplicrii analizei statistice a datelor.
Se realizeaz n mai multe etape:
1. alegerea variabilei (variabilelor) de control (tipuri de proprieti
imobiliare i, eventual, diverse caracteristici ale acestora) dup care se
va face stratificarea;
Business Statistics in Practice, Bruce L. Bowerman, Richard T. OConnell, McGraw Hill, 4th edition,
2007, pg. 5.
3
Statistic aplicat pentru modelarea evalurii imobiliare, Iuliu Paca, Editura Politehnica, 2008, pg. 16.
2

Standardele de evaluare ANEVAR

2. definirea straturilor n care se divide populaia;

3. alegerea numrului de straturi n funcie de mrimea i natura
populaiei, dar nu mai mult de 7-8 pe caracteristic/criteriu de
clasificare4;
4. repartizarea volumului eantionului pe straturile definite anterior:
a. fie proporional cu numrul de uniti din acelai strat al
populaiei (numrul de uniti/strat de eantion s fie
proporional cu numrul de uniti/acelai strat din populaie):
pi

N i deci,
N

ni n pi

n care :
Ni numrul de uniti din populaia de referin, din stratul i
n volumul eantionului
N volumul populaiei
ni numrul de uniti din eantion, n stratul i.
b. fie optim (disproporional), innd seama att de ponderea
fiecrui strat n volumul total al populaiei, ct i de variana
fiecrui strat:
ni n

N i i , cu i=1,k
k

i 1

Ni i

n care :
i abaterea standard a variabilei dup care se face stratificarea,
estimat pentru stratul i.
5. pentru fiecare strat se genereaz n mod aleatoriu unitile care se
vor include n eantion.
Atenie! O eroare relativ de eantionare, situat sub 5%, ne permite
s apreciem c eantionul este reprezentativ:

xm
m

100 5%

unde:
x - media variabilei analizate la nivelul eantionului (valoarea de
pia);
m - media variabilei analizate la nivelul populaiei.
4

Statistica. Teorie i aplicaii, Tudorel Andrei, Stelian Stancu, Daniel Traian Pele, Editura Economic,
ediia a doua, 2002, pg. 209.

2. Volumul eantionului
Modelul automat de evaluare presupune realizarea analizei la nivelul
unui eantion de proprieti imobiliare i generalizarea rezultatelor
obinute (prin inferen statistic) pentru ntreaga populaie studiat. n
acest sens este necesar stabilirea mrimii (volumului) adecvate a
eantionului pe baza cruia se va realiza analiza i evaluarea global a
portofoliului de garanii bancare.
Volumul n al eantionului este influenat de:
eroarea limit maxim admis de reprezentativitate a eantionului e,
de 0,3;
nivelul de semnificaie , prestabilit uzual la 5%;
dispersia (variana) caracteristicii n populaie 2 ;
volumul populaiei N.
Astfel, volumul eantionului format din caracteristici msurabile se
poate determina aplicnd dou formule:
pentru volume mici de eantioane se utilizeaz statistica t:

n care: t

t2 / 2 2

e2
reprezint statistica Student din tabele statistice t,
2

corespunztor lui /2.

pentru volume mari de eantioane se folosete statistica z:
n

z2 / 2 2
e2

z se regsete n tabelele statistice z, corespunztor lui /2.

2

Atenie! Abaterea standard a populaiei, , de cele mai multe ori nu

este cunoscut, prin urmare se poate folosi un estimator al acesteia,
cum este abaterea standard s a unui eantion preliminar, nlocuinduse n formulele anterioare cu s, sau folosind al unei populaii
similar cu cea n cauz.
Atenie! Dac n rezultat nu este o valoare rotund, se rotunjete la
urmtorul numr ntreg.

Standardele de evaluare ANEVAR

3. Procesul de elaborare a unui model automat de evaluare

Procesul de elaborare a unui model automat de evaluare este prezentat
n Standardul pentru modele automate de evaluare5 elaborat de ctre
International Association of Assessing Officers (IAAO). Acesta este un
proces complex care necesit o colaborare strns ntre evaluatori,
analiti ai pieei imobiliare, statisticieni i dezvoltatori de soft-uri.
Pornind de la recomandrile fcute n acest standard propunem
urmtoarea succesiune de etape necesare pentru construirea modelului
automat de evaluare:
1. identificarea proprietilor subiect (portofoliul de garanii bancare
de evaluat);
2. stabilirea ipotezelor i ipotezelor speciale;
3. managementul i analiza calitii datelor cuprinse n eantion;
4. stratificarea eantionului (n cazul n care acesta nu a fost
construit prin eantionare stratificat);
5. stabilirea specificaiilor modelului;
6. calibrarea modelului;
7. testarea modelului i asigurarea calitii sale;
8. validarea modelului;
9. aplicarea modelului;
10. verificarea periodic a acurateei modelului.
Primele dou etape se realizeaz identic ca n cazul evalurii prin
procesul clasic.
Etapa a 3-a. Managementul i analiza calitii datelor cuprinse n
eantion
Analistul de pia trebuie s utilizeze instrumente statistice pentru a
scana n mod sistematic i iterativ datele de pia, n vederea
determinrii lipsurilor, erorilor, incoerenelor, valorilor extreme (valori
aberante) existente n seria de date analizat (analiza calitii datelor).
n sprijinul acestei etape, softurile de analiz statistic ofer tehnici
grafice i tehnici cantitative de explorare a seriilor de date. Aceste
tehnici pot fi utilizate n scopul stabilirii gradului de reprezentativitate
a eantionului, pentru identificarea funciei de distribuie a frecvenelor
(normal, uniform, 2, lognormal, Student, Fisher, Poisson etc.) i a
caracteristicilor acesteia sau pentru detectarea valorilor aberante ale
seriei analizate.
5

Standard on Automated Valuation Models (AVMs), IAAO, 2003.

7

Astfel, o serie de date poate fi reprezentat sugestiv i apoi analizat

vizual foarte rapid prin intermediul unei game variate de grafice
statistice. n funcie de informaiile grafice pe care dorim s le obinem
i de tipul variabilelor modelului (a se vedea etapa a 5-a), se pot folosi:
- pentru variabile cantitative: histograma, poligonul frecvenelor,
steam-and-leaf, diagrama de mprtiere (engl. scatter plots), boxand-wiskers, graficul de normalitate (engl. normal plot);
- pentru variabile calitative: diagrama n batoane, diagrama circular.
Tehnicile cantitative de analiz a datelor constau n teste statistice
(Student, Fisher, ANOVA, Chi-square, Shapiro-Wilk, KolmogorovSmirnov, Man-Withney, Durbin-Watson) i diveri indicatori statistici
cum ar fi indicatorii tendinei centrale (medie, median, mod),
respectiv indicatorii dispersiei datelor n jurul mediei (abaterea medie
ptratic, variana, coeficientul de variaie .a.).
Not: Pentru luarea deciziei de stratificare a eantionului este util
determinarea gradului de omogenitate al acestuia. n acest sens se
poate calcula coeficientul de variaie (Cv), calculat ca raport ntre
abaterea medie ptratic i media variabilei dup care se va face
stratificarea. Se poate considera c eantionul este omogen dac
mrimea coeficientului de variaie este mai mic sau egal cu 0,35. n
cazul n care este depit aceast limit se recomand identificarea
cauzelor eterogeneitii eantionului (existena unor valori extreme
sau tipuri de proprieti cu caracteristici diferite ce formeaz
straturile eantionului).
Etapa a 4-a. Stratificarea
Este procesul prin care proprietile imobiliare care formeaz un
eantion eterogen, sunt grupate pe tipuri de proprieti imobiliare n
funcie de caracteristicile fizice i economice ale acestora, n vederea
minimizrii diferenelor din interiorul unui strat i a maximizrii
diferenelor dintre straturi.
Not: Dup aceast etap, la nivelul fiecrui strat creat n cadrul
eantionului analizat se poate estima media valorilor de pia ale
proprietilor, n scopul determinrii indicelui de cretere/descretere
a valorii de pia a portofoliului de garanii bancare. Pentru estimarea
acestui indice propunem urmtoarea formul (derivat din modul de
calcul a indicelui agregat ponderat de tip Paasche):

Standardele de evaluare ANEVAR

m

Indice

p
i 1
m

p
i 1

i ,t

i ,t

i ,t

100

i ,t 1

unde:
pi,t = ponderea fiecrui strat n eantionul analizat (a se vedea
Eantionarea stratificat);
= media valorilor de pia ale proprietilor din fiecare strat;
m = numrul de straturi din eantionul analizat;
t = momentul actual;
t-1 = momentul la care s-a fcut ultima reevaluare.
Cu ajutorul acestui indice se poate identifica existena unei eventuale
diminuri a valorii portofoliului de garanii bancare, caz n care se
dovedete necesar reevaluarea acestuia cu ajutorul unui AVM i, ca
urmare, parcurgerea urmtoarelor etape.
Etapa a 5-a. Stabilirea specificaiilor modelului
Aceast etap se refer la procesul de proiectare a structurii optime a
AVM-ului i const n selectarea variabilelor adecvate i definirea
structurii sale. Modelul este proiectat pentru fiecare strat n parte (subeantion de proprieti imobiliare comparabile).
Evaluatorul poate selecta, din multitudinea de variabile ce
caracterizeaz proprietile imobiliare analizate (variabile explicative
poteniale), pe cele care ar putea avea impact din punct de vedere
economic asupra valorii proprietii (variabila dependent). Cu ct
numrul de variabile explicative selectat este mai mare, cu att crete
riscul ca informaia coninut de ctre acestea s devin redundant. Se
dovedete astfel util realizarea unei selecii a variabilelor explicative
ce vor fi reinute n analiz. Pe de alt parte, includerea unui numr
prea mic de variabile explicative ar putea determina ca modelul de
regresie s nu explice ndeajuns de fidel evoluia variabilei dependente,
fapt care ar conduce la o deplasare (engl. bias) a estimatorilor
(coeficienii de regresie).
Alegerea variabilelor explicative trebuie s se fac de ctre evaluator,
nu numai din perspectiva mrimii coeficienilor de corelaie a
variabilelor explicative cu variabila dependent sau a mrimii
coeficienilor de corelaie dintre variabilele explicative, ci i prin
luarea n consideraie a semnificaiei economice ce ar putea caracteriza
legtura dintre variabilele explicative cu cea dependent.
9

Aa cum s-a menionat, se analizeaz i dac exist o corelaie

puternic ntre variabilele explicative selectate. n condiiile n care se
identific o astfel de corelaie, va trebui reinut n analiz doar una
dintre variabilele explicative din grupul celor corelate ntre ele. Dintre
acestea se opteaz pentru acea variabil explicativ corelat cel mai
puternic cu variabila dependent. Cu ct valoarea coeficientului de
corelaie se apropie de valorile 1, respectiv -1, cu att variabilele sunt
mai puternic corelate.
Variabilele pot fi cantitative (sau scalare), se exprim numeric, se
msoar pe o scal i fac obiectul unor operaii aritmetice sau pot fi
variabile calitative (sau categorice), care nu se exprim numeric (nu se
msoar pe o scal), ci prin atribute, dar pot fi codificate numeric pe
categorii, i pot fi de tip:
- nominal, fr ordine intern;
- ordinal, cu o anumit ordine intern, necuantificabil, de exemplu:
starea cldirii poate fi foarte bun (codificat cu 0), bun
(codificat cu 1), satisfctoare (codificat cu 2) sau
nesatisfctoare (codificat cu 3).
Atenie! Este foarte important s se identifice i s se defineasc
corect toate variabilele modelului i apoi s se codifice (transforme)
corespunztor variabilele calitative.
n ceea ce privete structura modelului, aceasta poate fi aditiv
(liniar), multiplicativ sau hibrid (neliniar) (a se analiza Standard
on Automated Valuation Models (AVMs), IAAO, 2003).
n structura aditiv, contribuia variabilelor explicative este nsumat:
Yi 0 1 x1 2 x2 ...
n care:
Yi - valoarea de pia a proprietii imobiliare subiect - variabila
dependent;
0 - constanta modelului (sau termenul liber);

xi - variabilele explicative;
i - coeficienii variabilelor explicative.
n modelul multiplicativ, contribuia variabilelor explicative este
multiplicat:
Yi 0 x11 x22 ......
10

Standardele de evaluare ANEVAR

Acest tip de model este mai dificil de calibrat, deoarece variabilele

trebuie transformate n format logaritmic, dar avantajul const n faptul
c permite aplicarea coreciilor proporional cu valoarea proprietii
subiect.
Modelul hibrid (neliniar) este o combinaie ntre modelul aditiv i cel
multiplicativ:
Yi QG QC AC QT AT A

n care:

QG - produsul variabilelor calitative generale (se aplic

proprietii ca ntreg);
QC - produsul variabilelor calitative pentru cldire;

AC - suma variabilelor aditive pentru cldire;

QT - produsul variabilelor calitative pentru teren;
AT - suma variabilelor aditive pentru teren;
A - suma altor variabile (variabile adiionale).
Etapa a 6-a. Calibrarea modelului
Calibrarea const n determinarea coeficienilor modelului proiectat
adic a parametrilor necunoscui . Dintre metodele de calibrare, cele
mai utilizate sunt cele bazate pe metode statistice, precum regresia
liniar multipl sau regresia neliniar.
Termenul de regresie este folosit pentru descrierea oricrui proces n
care una sau mai multe variabile cunoscute (caracteristici ale
proprietilor analizate) sunt utilizate pentru a determina o variabil
necunoscut (n acest caz valoarea de pia a proprietilor evaluate)
sau pentru previzionarea valorii acesteia. Variabilele cunoscute sunt
denumite variabile explicative, iar variabilele necunoscute sunt
denumite variabile dependente.
Regresia liniar simpl
Regresia liniar simpl se utilizeaz pentru a previziona o variabil
dependent utiliznd o singur variabil explicativ.
Modelul regresiei liniare simple are forma:

yi 0 1 xi i , i 1, n
n care:
0 constanta, adic valoarea lui y cnd x=0;
11

1 panta liniei de regresie;

i termenul rezidual (eroarea), cuantific influena ntmpltoare a

altor variabile asupra lui yi i reprezint diferena ntre valoarea
observat ( yi ) i cea estimat ( y i ) a variabilei dependente:
i yi y i
Panta liniei de regresie indic valoarea medie cu care se modific y la o
schimbare cu o unitate a valorii x. Dac panta este pozitiv, y crete
odat cu creterea valorii lui x, iar dac este negativ, y scade odat cu
creterea valorii lui x. Coeficienii modelului, 0 i 1 , precum i
termenii reziduali i se pot determina prin diferite metode, printre care
metoda celor mai mici ptrate.
Pentru analiza regresiei liniare simple, se parcurg urmtoarele etape:
1. estimarea parametrilor modelului;
2. testarea i validarea modelului de regresie;
3. realizarea de predicii.
Pentru validarea modelul liniar al regresiei simple trebuie respectate o
serie de ipoteze (ipoteze Gauss-Markov) i anume:
variana termenilor reziduali este constant;
termenii reziduali i au media egal cu zero;
termenii reziduali i nu sunt corelai ntre ei;
termenii reziduali i nu sunt corelai cu variabila explicativ xi;
termenii reziduali i sunt normal distribuii.
n acest sens, este necesar realizarea testrii modelului n vederea
asigurrii calitii acestuia (a se vedea etapa a 7-a).
Regresia liniar multipl
Regresia liniar multipl exprim relaia dintre o variabil dependent
i cel puin dou variabile explicative, iar modelul acesteia este:

yi 0 1 x1i 2 x2i ... m xmi i , i 1, n

n care:
0 termenul liber;
1, 2,, m coeficienii regresiei multiple;
i termenul rezidual.
Etapele i ipotezele luate n calcul, pentru realizarea modelului de
regresie multipl, sunt aceleai ca cele specificate n cazul regresiei
simple.
12

Standardele de evaluare ANEVAR

Regresia neliniar
Dac n urma reprezentrii grafice a datelor prin intermediul diagramei
de mprtiere, se observ c punctele nu sunt grupate de-a lungul unei
linii drepte, atunci se poate considera c regresia nu este liniar i
soluia ar putea consta n aplicarea regresiei neliniare.
Regresia neliniar se folosete pentru a descrie legtura dintre variabila
dependent i variabilele explicative, considernd c ali factori au o
aciune constant i neglijabil asupra variabilei dependente.
Iat cteva din multitudinea de modele matematice care pot fi utilizate
pentru aplicarea regresiei neliniare.
Modelul exponenial: Yi 0 1 i i
x

Modelul logaritmic: Yi 0 1 lg xi i
Modelul parabolic de gradul doi: Yi 0 1 xi 2 xi2 i
Etapa a 7-a. Testarea modelului i asigurarea calitii lui
Testarea modelului are rolul de a stabili dac acesta asigur acurateea
i integritatea necesare pentru ca estimrile, realizate cu ajutorul
acestuia pe baza eantionului, s fie extrapolate prin inferen statistic
la nivelul ntregii populaii. n acest scop se utilizeaz un set de date
despre proprietile imobiliare pentru care se cunosc preurile (de
tranzacionare i/sau ofert), pe baza cruia se va face testarea. Acest
set de date, folosit pentru testarea modelului, este cel pe baza cruia a
fost realizat i calibrarea modelului i reprezint 80% din volumul
eantionului (n).
Aa cum am precizat mai sus, exist o multitudine de teste statistice ce
pot fi aplicate pentru obinerea informaiilor necesare, unele
parametrice - aplicabile seriilor de date cu distribuie a frecvenelor
normal, precum testele Student (t), Fisher (F), i altele nonparametrice - utilizate pentru serii care nu au distribuie a frecvenelor
normal, precum testele Chi-square, Shapiro-Wilk, KolmogorovSmirnov, Man-Withney, Durbin-Watson.
Atenie! n practic, etapa de specificare a modelului i cea de
calibrare se realizeaz n mod iterativ: specificarea modelului
testarea specificaiilor modelului prin calibrare corectarea
specificaiilor modelului testarea specificaiilor corectate, repetnd
aceste operaii pn cnd se obine nivelul de ncredere proiectat ().
Se poate opta pentru includerea tuturor variabilelor explicative
(selectate la etapa a 5-a) n modelul de regresie, iar apoi,
13

excluderea/reincluderea iterativ a acestora, analiznd, dup fiecare

iteraie, testele statistice de validare a modelului de regresie i puterea
explicativ a acestuia (mrimea coeficientului de determinare).
Aceast metod este dificil de aplicat n condiiile n care mrimea
eantionului de date este redus. Explicaia const n faptul c numrul
de variabile explicative nu poate fi mai mare dect numrul de date
analizate.
O soluie alternativ este reprezentat de includerea treptat a
variabilelor explicative selectate n modelul de regresie. Dup
includerea unei noi variabile explicative se verific testele statistice de
validare a modelului de regresie i puterea sa explicativ. Pentru a
stabili care este ordinea de includere a variabilelor explicative n
modelul de regresie se folosesc coeficienii de corelaie a acestora cu
variabila dependent. Prima variabil explicativ inclus n model va fi
cea caracterizat de cel mai mare coeficient de corelaie cu variabila
dependent.
Interpretarea testelor i a indicatorilor statistici ce caracterizeaz
modelul de regresie
Msurarea semnificaiei unui test statistic implic estimarea gradului n
care valoarea acestuia, determinat pe baza observaiilor din eantion,
se apropie de cea real ce caracterizeaz ntreaga populaie din care s-a
extras eantionul.
Probabilitatea p (engl. p-value) asociat testului statistic, estimat la
nivelul eantionului, reprezint probabilitatea de eroare implicat de
nerespingerea rezultatului estimat ca fiind valid i reprezentativ pentru
ntreaga populaie studiat. Ca urmare, cu ct aceast probabilitate este
mai ridicat, cu att este mai puin plauzibil ca relaia existent ntre
variabilele modelului, evideniat la nivelul eantionului studiat, s se
menin pentru ntreaga populaie statistic din care a fost extras acest
eantion. Ca rezultat, se accept ipoteza nul, adic valoarea estimat
pentru coeficientul asociat variabilei explicative analizate nu este
semnificativ diferit de zero. n concluzie, acea variabil explicativ nu
influeneaz variabila dependent studiat
Nerespingerea sau respingerea ipotezei nule depinde i de nivelul de
semnificaie ales () pentru testul statistic evaluat, respectiv a regiunii
de respingere asociate acestuia. Acest nivel de semnificaie reprezint
probabilitatea de a realiza o eroare de tip I (respingerea ipotezei nule
atunci cnd aceasta este adevrat). Cu ct valoarea lui este stabilit
la un nivel mai ridicat, cu att exigenele impuse pentru nerespingerea
ipotezei nule (H0) sunt mai mari. Majorarea nivelului de semnificaie
14

Standardele de evaluare ANEVAR

duce la creterea probabilitii de a realiza o eroare de tip II

(nerespingerea ipotezei nule atunci cnd aceasta este fals) i la
diminuarea puterii testului statistic realizat. Cel mai frecvent, nivelul
de semnificaie, ales pentru realizarea unui test statistic, este de 5%. n
aceast situaie, probabilitatea p (asociat testului statistic) mai mic
dect nivelul de semnificaie al testului de 5%, indic respingerea
ipotezei nule.
Exemple de teste statistice utilizate pentru validarea modelelor de
regresie
Testul t (Student) este aplicat pentru fiecare coeficient de regresie
ca raport ntre valoarea estimat a acestuia i abaterea sa standard
i este utilizat pentru testarea ipotezei nule, conform creia
valoarea coeficientului de regresie este egal cu zero.
Cu ajutorul testului F (Fisher) se testeaz ipoteza conform creia
mrimile estimate ale coeficienilor de regresie (exceptnd
termenul liber) sunt nule, ceea ce implic testarea semnificaiei
ecuaiei de regresie analizat. Dac probabilitatea p, asociat
mrimii estimate pentru acest test, este mai mic dect nivelul de
semnificaie ales (de exemplu, 5%), se respinge ipoteza nul
conform creia valorile estimate pentru coeficienii regresiei sunt
statistic egale cu zero.
Coeficientul de determinare al ecuaiei de regresie R2 arat
proporia n care variaia valorii variabilei dependente este
explicat de ctre variabilele explicative selectate n ecuaia de
regresie. Numrul ridicat de variabile explicative incluse n model
poate conduce la valori ridicate ale R2, fr s implice n mod
direct o putere explicativ mai mare a ecuaiei de regresie. n acest
sens, este recomandat luarea n considerare a mrimii obinute
pentru R2-ajustat ce ine cont, n estimarea valorii sale, de numrul
de variabile incluse n model.
Testarea normalitii legii de distribuie a termenilor reziduali
se poate face cu ajutorul testului Jarque-Bera ce msoar diferena
existent ntre indicele de asimetrie, respectiv, de aplatizare al
seriei de date, fa de cei caracteristici distribuiei normale. Un
nivel al probabilitii p (asociat mrimii estimate a testului) mai
mic dect presupune respingerea ipotezei nule privind distribuia
normal a seriei termenilor reziduali, rezultai din ecuaia de
regresie.
15

 Homoscedasticitatea termenilor reziduali (variana constant a

valorii acestora) este analizat cu ajutorul testului dezvoltat de
White. Ipoteza nul, asociat testului, implic lipsa
heteroscedasticitii termenilor reziduali, independena acestora n
raport de variabilele explicative ale modelului, precum i
liniaritatea legturii existente ntre variabila dependent i cele
explicative. nclcarea uneia dintre aceste condiii presupune
obinerea unei mrimi semnificative a testului White (p-value < ).
Ca urmare, un p-value > implic faptul c niciuna dintre aceste
trei condiii nu a fost nclcat. n cazul n care termenii reziduali
sunt heteroscedastici se pot realiza coreciile propuse de White i
estima corect covariana coeficienilor de regresie chiar i n
prezena heteroscedasticitii termenilor reziduali.
Cel mai cunoscut test privind autocorelarea termenilor reziduali
este reprezentat de testul Durbin-Watson. Formula aplicat este
urmtoarea:
n

DW

t 1

t 2

2
t

t 1

Valoarea calculat a testului se va compara cu valorile teoretice

aferente testului dL i dU, preluate din tabelul distribuiei DurbinWatson. Regula de decizie, pe baza valorii calculate a testului, este
prezentat n tabelul urmtor:
0<d<dL

dLddU

dU<d<4 - dU

4-dUd4- dL

4 - dL<d<4

Autocorelare
pozitiv a
termenilor
reziduali

Indecizie

Termenii reziduali
sunt independeni
- validarea
modelului de
regresie din aceast
perspectiv.

Indecizie

Autocorelare
negativ a
termenilor
reziduali

O autocorelare a termenilor reziduali cu grad mai mare de unu nu

poate fi sesizat prin intermediul acestui test. Testarea existenei
autocorelrii termenilor reziduali poate fi analizat i prin
intermediul testului Q-statistic, respectiv Breusch- Godfrey LM. n
16

Standardele de evaluare ANEVAR

cazul Q-statistic, n cadrul unui tabel sunt raportate valorile

estimate ale testului (pentru diferitele lag-uri ale termenului
rezidual) i p-value asociat. Lipsa autocorelrii ntre termenii
reziduali va implica valori ridicate ale p-value. Testul BreuschGodfrey LM are ca ipotez nul lipsa autocorelrii ntre termenii
reziduali ai ecuaiei de regresie, fiind raportat mrimea estimat a
acestuia i p-value asociat. La fel ca i n cazul testului anterior, un
nivel mare al p-value reprezint o indicaie a lipsei autocorelrii
ntre termenii reziduali. n condiiile n care termenii reziduali sunt
autocorelai pot fi realizate coreciile propuse de Newey i West i
astfel, poate fi estimat corect covariana coeficienilor de regresie,
chiar i n prezena heteroscedasticitii i autocorelrii termenilor
reziduali.
Etapa a 8-a. Validarea modelului
Dup ce modelul a fost calibrat i testat, se procedeaz la validarea
acestuia pe baza setului de date reprezentnd restul de 20% din
eantionul analizat, utiliznd testele statistice amintite n etapele 3 i 7.
Etapa a 9-a. Aplicarea modelului
n cadrul modelului automat de evaluare se iau n considerare, ca i
valori ale variabilelor explicative, cele corespunztoare caracteristicilor
proprietilor imobiliare subiect i se estimeaz astfel valoarea de pia
a acestora.
Rezultatul evalurii prin aplicarea modelului poate fi o singur valoare
sau un interval probabil al valorii6 n care se ncadreaz concluzia
asupra valorii.
Etapa a 10-a. Verificarea periodic a acurateei modelului
Se recomand verificarea acurateei modelului prin compararea
valorilor de pia estimate cu ajutorul acestuia, cu cele estimate prin
aplicarea metodelor i tehnicilor de evaluare recomandate de IVS-uri.
Existena unor diferene mari ntre cele dou valori constituie un
semnal privind necesitatea actualizrii att a eantionului utilizat
pentru analiz, ct i a modelului automat de evaluare.

Intervalul probabil al valorii este intervalul n care se regsete valoarea, garantat cu

o anumit probabilitate
6

17

Avantaje i dezavantaje ale utilizrii modelelor automate de

evaluare
Printre avantajele modelrii statistice a evalurii proprietilor
imobiliare se numr:
permite utilizarea de serii nelimitate de date;
permite folosirea unui numr orict de mare de variabile, dac
acestea sunt necesare i relevante pentru scopul propus;
permite determinarea acurateei de estimare a valorii de pia,
acuratee care poate fi excepional de bun atunci cnd sunt
folosite suficiente date de pia;
asigur evaluri uniforme;
modelul rezultat se poate utiliza att pentru evaluri individuale
(singulare), ct i pentru evaluare global;
automatizarea procesului de evaluare, deci timp redus de
prelucrare i analiz a datelor i de stabilire a concluziei asupra
evalurii;
obiectivitate i eficien.
Aceste avantaje pot fi atinse doar cu condiia esenial ca la baza
modelului s stea un raionament statistico-matematic foarte serios i
coerent, baza de date s fie permanent actualizat, modelul s fie testat
judicios nainte de a fi utilizat efectiv n evaluare.
Dezavantajele modelrii statistice sunt:
este dificil de aplicat pentru pieele restrnse, cu puine tranzacii
sau pentru pieele atipice;
ntruct rezultatele i concluziile generate n urma aplicrii
modelarii statistice sunt valabile numai la nivelul populaiei
supuse studiului, evaluarea unor proprieti atipice populaiei nu
este credibil;
necesitatea unui bagaj foarte dezvoltat de cunotine n domeniul
statisticii matematice i al soft-urilor de analiz statistic.

18

Standardele de evaluare ANEVAR

Bibliografie
1. Basic Business Statistics. Concepts and Applications, Berenson M.L.,
Levine D.M., Krehbiel T.C., 9th Edition, Pearson Prentice Hall, 2004;
2. Business Statistics in Practice, Bruce L. Bowerman, Richard T.
OConnell, McGraw Hill, fourth edition, 2007;
3. Dicionar de statistic general, Alexandru Isaic-Maniu, Eugen Pecican,
Viorel Gh. Vod, Daniela tefnescu, Pavel Wagner, Editura Economic,
2003;
4. Mass Appraisal Methods An international perspective for property
valuers, Wiley-Blackwell, 2008;
5. Practical Applications in Appraisal Valuation Modeling, Statistical
Methods for Real Estate Practitioners, M.S. Kane, M.R. Linn, J.A.
Johnson, Appraisal Institute, 2004;
6. Standardele Internaionale de Evaluare 2011, International Valuation
Standards Council, 2011;
7. Standard on Automated Valuation Models (AVMs), International
Association of Assessing Officers, 2003;
8. Standard on Ratio Studies, International Association of Assessing
Officers, 2007;
9. Statistical Analysis, S.B. Richmond, 2nd edition, 1964;
10. Statistic aplicat pentru modelarea evalurii imobiliare, Iuliu Paca,
Editura Politehnic, 2008;
11. Statistic: noiuni fundamentale i aplicaii, Vergil Voineagu, Dana
Colibab, Giani Grdinaru, Editura ASE, 2002;
12. Statistic teoretic i economic - note de curs, s.l.drd. Silvia Elena
Cristache, Editura ASE, 2002;
13. Statistic teoretic i economic - teorie i aplicaii, Constantin
Anghelache, Editura Economic, 2004;
14. Statistic: teorie i aplicaii, Tudorel Andrei, Stelian Stancu, Daniel
Traian Pele, Editura Economic, ediia a doua, 2002.

19