O grau de fundamentação de um laudo por inferência estatística sai de uma conta simples: seis itens pontuados de 1 a 3, somados. Grau III precisa de 16 pontos, Grau II de 10 e Grau I de 6. Mas a soma não decide sozinha — existem itens obrigatórios que travam o grau por conta própria, e é aí que a maioria dos laudos perde nota sem o avaliador entender por quê.
Este guia destrincha cada item, com os números exatos e um exemplo fechado. Se quiser só o resultado, a calculadora de grau de fundamentação faz a conta enquanto você digita — de graça e sem cadastro.
Como o grau de fundamentação é calculado?
A regra completa cabe em três linhas:
- Pontue cada um dos seis itens da Tabela 1 com 3 (grau III), 2 (grau II) ou 1 (grau I).
- Some. O total define o piso: 16 para III, 10 para II, 6 para I.
- Verifique os itens obrigatórios. Os itens 2, 4, 5 e 6 precisam todos estar no grau pretendido — se um só ficar abaixo, o laudo cai para o grau seguinte, mesmo com pontuação sobrando.
Para o Grau III existe ainda uma quarta condição: os quatro pré-requisitos do item 9.2.1.1, que não valem ponto — ou estão todos atendidos, ou o Grau III está fora.
Quais são os seis itens da Tabela 1?
Item 1 — Caracterização do imóvel avaliando
Mede o quanto você conhece o imóvel que está avaliando.
| Pontos | Grau | Critério |
|---|---|---|
| 3 | III | Caracterização completa quanto a todas as variáveis analisadas |
| 2 | II | Caracterização completa quanto às variáveis utilizadas no modelo |
| 1 | I | Adoção de situação paradigma |
Repare na diferença entre "analisadas" e "utilizadas": você pode ter estudado 12 variáveis e usado 5 no modelo final. Caracterizar as 12 vale 3 pontos; caracterizar só as 5 vale 2.
Item 2 — Quantidade mínima de dados de mercado
O item que mais reprova laudo. O mínimo depende de k, o número de variáveis independentes do modelo:
| Pontos | Grau | Mínimo de dados |
|---|---|---|
| 3 | III | 6(k+1) |
| 2 | II | 4(k+1) |
| 1 | I | 3(k+1) |
E são dados efetivamente utilizados — não os que você coletou. Amostra removida por ser outlier não conta.
Com 4 variáveis, por exemplo: 30 dados para o Grau III, 20 para o II, 15 para o I. Cada variável que você acrescenta ao modelo custa mais 6 dados no Grau III. É a conta que vale a pena fazer antes de sair a campo.
Item 3 — Identificação dos dados de mercado
Mede o rastro que você deixa para quem vai conferir o laudo.
| Pontos | Grau | Critério |
|---|---|---|
| 3 | III | Informações de todos os dados e variáveis analisados, com foto e características observadas no local pelo autor do laudo |
| 2 | II | Informações de todos os dados e variáveis analisados |
| 1 | I | Informações apenas dos dados e variáveis efetivamente utilizados |
O salto de 2 para 3 pontos exige ida a campo: foto e características verificadas presencialmente pelo próprio autor.
Item 4 — Extrapolação
Extrapolar é estimar fora da fronteira da amostra — por exemplo, avaliar um apartamento de 200 m² quando o maior da amostra tem 150 m².
| Pontos | Grau | Critério |
|---|---|---|
| 3 | III | Não admitida |
| 2 | II | Admitida para uma única variável, respeitando (a) e (b), com limite de 15% |
| 1 | I | Admitida, respeitando (a) e (b), com limite de 20% |
As duas condições:
- (a) as características do avaliando não podem passar do dobro do limite superior da amostra, nem ficar abaixo da metade do limite inferior;
- (b) o valor estimado não pode se afastar mais que 15% (grau II) ou 20% (grau I) do valor calculado na fronteira da amostra, em módulo, para a variável extrapolada.
Violar (a) é falha — não rebaixa o grau, zera o item.
Item 5 — Significância dos regressores
O maior nível de significância entre os regressores, somando as duas caudas (teste bicaudal):
| Pontos | Grau | Nível máximo |
|---|---|---|
| 3 | III | 10% |
| 2 | II | 20% |
| 1 | I | 30% |
Vale o pior regressor, não a média. Uma única variável com significância de 12% já derruba o item para o grau II — e como o item 5 é obrigatório, derruba o laudo inteiro junto.
Item 6 — Significância do modelo (teste F de Snedecor)
O nível de significância do modelo como um todo:
| Pontos | Grau | Nível máximo |
|---|---|---|
| 3 | III | 1% |
| 2 | II | 2% |
| 1 | I | 5% |
Na prática este item raramente é o problema: modelos com ajuste razoável costumam entregar significância de F muito abaixo de 1%.
Quantos pontos preciso para cada grau?
| Grau | Pontos mínimos | Itens obrigatórios |
|---|---|---|
| III | 16 | Itens 2, 4, 5 e 6 todos no grau III + os quatro pré-requisitos do 9.2.1.1 |
| II | 10 | Itens 2, 4, 5 e 6 no mínimo no grau II |
| I | 6 | Todos os itens no mínimo no grau I |
Guarde esta linha: os itens 1 e 3 contam pontos, mas não entram na lista de obrigatórios. Eles ajudam a chegar ao total, e só.
Quais são os quatro pré-requisitos do item 9.2.1.1?
São condições de sim ou não, sem pontuação, exigidas apenas para o Grau III:
- a) laudo apresentado na modalidade completa;
- b) análise do modelo no laudo, verificando a coerência das variações das variáveis frente ao mercado e suas elasticidades em torno do ponto de estimação;
- c) identificação completa dos endereços dos dados de mercado usados, bem como das fontes;
- d) adoção da estimativa central.
Faltando qualquer um, o teto é Grau II — ainda que você tenha 18 pontos e todos os obrigatórios em III. O item (d) costuma ser o esquecido: se você arbitrou um valor em vez de adotar a estimativa central, o Grau III já não é possível.
Exemplo numérico completo
Um laudo com 32 dados, 4 variáveis, caracterização completa de todas as variáveis analisadas, dados identificados com foto e visita, sem extrapolação, pior regressor a 12% e F a 0,8%:
| Item | Situação | Pontos | Grau |
|---|---|---|---|
| 1 · Caracterização | Todas as variáveis analisadas | 3 | III |
| 2 · Quantidade de dados | 32 ≥ 6(4+1) = 30 | 3 | III |
| 3 · Identificação | Com foto e visita ao local | 3 | III |
| 4 · Extrapolação | Não houve | 3 | III |
| 5 · Signif. do regressor | 12% (passa de 10%) | 2 | II |
| 6 · Signif. do modelo | 0,8% ≤ 1% | 3 | III |
| Total | 17 |
Dezessete pontos, um a mais que o exigido para o Grau III. E o laudo é Grau II.
O culpado é o item 5: 12% ultrapassa os 10% do grau III, e o item 5 é obrigatório. Não adianta ter pontos sobrando — a regra dos obrigatórios não negocia.
Como salvar este laudo? Só há um caminho: fazer o pior regressor cair para 10% ou menos. Na prática, isso significa remover a variável fraca, trocar sua transformação (ln x, 1/x, x²) ou revisar a amostra. Aumentar o número de dados não resolve — o item 2 já está em III.
Por que meu laudo tem 16 pontos e não é Grau III?
Porque pontuação é condição necessária, não suficiente. Nove em cada dez casos caem em uma destas três causas:
- Um dos itens 2, 4, 5 ou 6 está no grau II. É a causa mais comum, e quase sempre é o item 5 (significância de algum regressor entre 10% e 20%).
- Falta um dos pré-requisitos do 9.2.1.1. Especialmente o item (d), adoção da estimativa central.
- Os pontos vieram dos itens errados. Você pode somar 16 com os itens 1 e 3 em III e um obrigatório em II — o total fecha, o grau não sai.
A calculadora aponta exatamente qual item está travando, o que poupa a conferência manual da tabela.
Grau de fundamentação e grau de precisão são a mesma coisa?
Não, e a confusão é frequente. São duas classificações independentes, informadas separadamente no laudo:
| Grau de fundamentação | Grau de precisão | |
|---|---|---|
| O que mede | O rigor metodológico do trabalho | Quão estreito ficou o resultado |
| Como sai | Pontuação dos seis itens | Amplitude do IC de 80% ÷ valor central |
| Faixas | 16 / 10 / 6 pontos | ≤ 30% (III) · ≤ 40% (II) · ≤ 50% (I) |
Um laudo pode ser Grau III de fundamentação e Grau I de precisão: método impecável, num mercado tão heterogêneo que o intervalo saiu largo. E o contrário também existe.
O grau de precisão não depende do seu esforço metodológico — depende do comportamento do mercado e do ajuste do modelo. A mesma calculadora calcula os dois.
Erros que mais custam grau
- Empilhar variáveis. Cada variável nova exige mais 6 dados no Grau III. Um modelo com 6 variáveis pede 42 dados; com 4, pede 30. Variável que não paga o próprio custo estatístico só atrapalha.
- Contar dados coletados em vez de utilizados. O item 2 olha para os dados que ficaram no modelo. Removeu outlier? O n caiu.
- Deixar passar um regressor fraco. Uma variável a 12% de significância derruba o laudo de III para II sozinha.
- Ignorar os pré-requisitos do 9.2.1.1. Não valem ponto, então passam despercebidos — e vetam o Grau III.
- Extrapolar sem checar a condição (a). O limite de 15% ou 20% do valor é a condição (b); a (a) é sobre as medidas do avaliando. Violar (a) zera o item.
Em resumo
O grau de fundamentação premia rigor, não sorte: dados suficientes para o número de variáveis, identificação rastreável, ausência de extrapolação e significâncias apertadas. Quem entende a regra dos itens obrigatórios para de perder grau por engano — e sabe, antes de sair a campo, quantos dados vai precisar.
Se quiser conferir seu laudo em 30 segundos, a calculadora de grau de fundamentação e precisão é gratuita e não pede cadastro. Fechado o grau, o passo seguinte costuma ser o desconto de oferta e o campo de arbítrio — que tem calculadora própria.
Conteúdo de apoio, baseado nos critérios da ABNT NBR 14653-2. Não substitui a leitura da norma nem o julgamento do profissional responsável pelo laudo. O texto integral da norma é de propriedade da ABNT.