Análise de segmentação utilizando o procedimento de Chi-Square
Automation Interaction Detection (CHAID)
Autoria: Ana Augusta Ferreira de Freitas e Luiz Fernando Mählmann Heineck
Resumo
Este trabalho tem como objetivo exemplificar a análise de segmentação, através da aplicação da técnica de CHAID, exemplificando a sua aplicação em um exemplo para o mercado imobiliário. O banco de dados utilizado na análise consta de cerca de 3000 entrevistas com clientes potenciais que procuravam imóveis para comprar entre os anos de 1995 e 1998. As entrevistas foram conduzidas em onze diferentes cidades do Brasil, durante a realização de feiras de imóveis. Um exemplo é usado para mostrar a importância da renda mensal familiar e do valor patrimonial na explicação do preço desejado de compra. Com base nestes resultados, utiliza-se os modelos de análise de variância para quantificar a diferença dos preços entre os diversos segmentos. Conclui-se pela importância do método, tanto para análise de nichos como para posterior análise dos dados através de outras técnicas que exijam limitações no número de categorias das variáveis, como nos casos dos modelos Logit.
1. Introdução
Em um mercado livre em competição tem sido cada vez mais importante estudar as características quantitativas e qualitativas do consumidor, identificar nichos de mercado de produtos específicos e descobrir oportunidades de negócios. Isto é particularmente verdade para a indústria da construção civil, que agora depende quase que exclusivamente dos clientes como principal fonte de financiamento direto das suas atividades. Com base nisto, torna-se imprescindível para os empresários e responsáveis pelo setor o conhecimento do mercado e das variáveis que influenciam a decisão de comprar um imóvel.
Para estudar as características envolvidas no processo de escolha da compra de um imóvel, várias técnicas foram pesquisadas e aplicadas dentro da área de escolha e mobilidade residencial. CLARK et al.(1988) sumarizam o conjunto destas técnicas e ilustram a sua utilização na análise da escolha habitacional.
Como regra geral, os pesquisadores demonstram o relacionamento entre as características sócio-econômicas e demográficas das famílias e a escolha da habitação (com respeito ao tipo, localização e preço). Nesta linha encontram-se os trabalhos de DEURLOO et al. (1990), CLARK et al. (1994) e BOOSTMA (1995). Além das variáveis tradicionais como idade e renda, algumas variáveis aparecem para fazer parte do modelo. Entre elas, o modelo poderá incluir composição familiar, participação no mercado de trabalho e número de pessoas que contribuem com a formação da renda familiar. No entanto, alguns trabalhos mostram que cada uma destas variáveis afetam diferentemente os diversos segmentos do mercado.
Grande parte dos estudos no exterior enfocam a forma de propriedade do imóvel, ou seja, a escolha entre comprar e alugar. Por exemplo, CLARK et al. (1991) sugerem que a escolha entre alugar e comprar é influenciada pelo tipo de habitação ofertada nos segmentos de renda média, e pelo tipo de habitação prévia nos segmentos de alta renda.
A fim de descobrir esta estrutura, propõe-se a utilização do CHAID, com o objetivo de identificar os principais grupos (formado em função de algumas variáveis sócio-econômicas) e suas escolhas em relação ao preço do imóvel desejado para a compra. Várias outras análises poderiam ter sido realizadas, considerando o tipo do imóvel ou a localização como a variável
dependente. Neste caso, o preço desejado do imóvel foi tomado como exemplo para fins de exemplificação da utilização da técnica.
2. Coleta de dados
Cerca de 3 mil clientes potenciais foram entrevistados em onze diferentes cidades do país: Belém, Recife, Natal, Vitória, Blumenau, Florianópolis, Porto Alegre, Caxias, Pelotas, Santa Maria e Passo Fundo. Nas últimas quatro cidades, os dados foram cedidos pelos responsáveis pelas pesquisas nestes locais.
Os questionários seguiram uma estrutura similar e eram divididos em quatro partes. A primeira era formada por perguntas relacionadas as características sócio-econômicas do indivíduo (ex. estado civil, número de filhos, idade, condição de posse do imóvel atual, renda mensal, valor dos bens disponíveis para colocar no negócio).
A segunda parte abordava questões relativas as macro-variáveis do imóvel (número de quartos, garagens, suites, localização) e condições de pagamento (preço do imóvel procurado, valor da prestação, valor da entrada e prazo).
A terceira parte do questionário analisava a disponibilidade por pagar a mais por vários atributos residenciais, classificados dentro das seguintes categorias:
a) área privativa (ex. closet, lavabo, despensa); b) área de lazer (ex. piscina, quadra, quadra);
c) qualidade do imóvel (ex. número de apartamentos por andar, número de blocos, sofisticação da fachada) e
d) equipamentos (ex. bancada de granito, aterramento, box blindex nos banheiros).
A última parte testava a força de alguns atributos através de questões onde o entrevistado era colocado em uma situação onde ele deveria avaliar a troca entre possibilidades de projeto (ex. sala maior sem varanda ou sala menor com varanda; ou sala maior ou cozinha com espaço para mesa de refeições).
O presente trabalho utiliza dados relativos à primeira e segunda parte do questionário, tratando do preço expressado pelo cliente para a compra do imóvel e de algumas características sócio-econômicas do entrevistado. No entanto, os demais dados foram apropriadamente analisados e documentados em outros trabalhos (FREITAS, 2000)
As entrevistas foram realizadas em Salões de Imóveis (Belém, Recife, Natal, Vitória, Blumenau, Florianópolis, Caxias, Porto Alegre) ou Feiras de Exposição (Passo Fundo, Santa Maria e Pelotas) e os entrevistados eram convidados a responder o questionário caso expressassem o desejo de comprar um imóvel dentro dos próximos anos.
Em algumas cidades as pessoas eram chamadas indistintamente a participar da pesquisa. Nestes casos, apenas os questionários que tinham resposta afirmativa a questão sobre a pretensão de compra de um imóvel dentro dos próximos anos foram utilizados.
Os dados foram coletados entre abril de 1995 e março de 1998. Nas cidades de Belém, Florianópolis e Santa Maria as pesquisas foram feitas mais de uma vez em anos distintos.
3. Fundamentação Teórica da Análise de CHAID
O procedimento original de automatic interaction detection (AID), desenvolvido por SONQUIST & MORGAN (1964), tem a sua origem na análise de variância. Por esta técnica,
assume-se a utilização de uma variável dependente contínua e variáveis independentes qualitativas (ou categorizadas), onde através de um procedimento em cascata, divide-se o conjunto de variáveis em dois sub-grupos, através da maximização da soma dos quadrados entre sub-conjuntos. Esta técnica foi expandida para os casos onde a variável dependente é qualitativa, como propõe KASS (1980), e é conhecida como Chi-quare automatic interaction detection (CHAID). No caso do CHAID, os dados são divididos, a cada passo, em grupos otimizados (e não necessariamente em dois sub-grupos), através da maximização da significância da estatística do Chi-quadrado. Alguns autores fizeram uso desta técnica em pesquisas de mercados em geral (PERREAULT & BARKSDALE, 1980), mas raros exemplos podem ser encontrados para o caso do mercado habitacional (DEURLOO, 1988).
No caso do CHAID, as categorias das variáveis independentes são agregadas, se elas mostrarem padrões de comportamento semelhantes em relação à variável dependente. Além disto, para cada uma das categorias das variáveis independentes selecionadas, a técnica escolhe a próxima variável que melhor prediz a categoria da variável anterior. Ao final, os resultados da análise são mostrados em forma de uma árvore (chamada na literatura de dendograma), onde as variáveis independentes aparecem de acordo com a capacidade de prever níveis específicos de outras variáveis independentes. O resultado final do CHAID mostra segmentos da população, que diferem segundo um determinado critério.
Os segmentos derivados do CHAID são mutuamente exclusivos e exaustivos. Isto significa que eles não se sobrepõe, e cada indivíduo está contido em apenas um segmento. Além disto, pelo fato de serem definidos através de combinações de variáveis independentes, pode-se facilmente classificar cada caso dentro de um segmento.
O objetivo principal do CHAID é encontrar as principais interações entre grupos de pessoas e escolha habitacional em grandes tabelas de cross-tabulations (no caso, uma variável dependente e cinco preditores) e prover uma descrição parcimoniosa sobre o conjunto de dados. No entanto, os resultados podem ser usados ainda para reduzir as dimensões dos problemas de modelagem (quando por exemplo trabalha-se com modelos Logit), através da redução do número de categorias e de variáveis (CLARK, 1991). Em especial, o tipo de resposta obtida através da análise do dendograma é propícia para o uso de técnicas em redes (nested approach), como o Nested Multinomial Logit Models, como descrito por este último autor. Com será visto a seguir, a variável renda é o principal elemento de explicação do preço desejado, no entanto o valor dos bens influencia classes específicas de renda, enquanto o estado civil influencia outras. Ou seja, diferentes variáveis atuam em distintos níveis da estrutura em rede.
Além disto, se ao invés de aplicar modelos mais complexos e de maior exigência computacional como os Logits, estivermos interessados apenas em conhecer o relacionamento de cada variável independente com a variável dependente, pode-se ainda utilizar os resultados do CHAID em modelos lineares gerais, como os modelos de análise de variância.
4. Análise dos Dados
Para exemplificar o funcionamento da técnica, o preço do imóvel desejado foi considerado a variável dependente e será explicado em função das características sócio-econômicas dos clientes potenciais, utilizando a técnica de CHAID. Ao contrário de outras técnicas de segmentação disponíveis, não é necessário selecionar nenhuma variável a priori, pois cada uma delas será testada de acordo com a sua importância na explicação do preço de compra procurado. A Tabela 1 mostra as categorias da variável dependente e das variáveis independentes envolvidas na análise.
Variáveis Categorias Preço do imóvel desejado
(variável dependente) 1. Até R$ 42.500 2. De R$ 42.500 à R$ 55.000 3. De R$ 55.000 à R$ 75.000 4. De R$ 75.000 à R$ 120.000 5. Mais de R$ 120.00
Renda mensal familiar 1. Ate R$ 1.000
2. De R$ 1.000 à R$ 2.000 3. De R$ 2.000 à R$ 3.000 4. De R$ 3.000 à R$ 4.000 5. De R$ 4.000 à R$ 5.000 6. Mais de R$ 5.000
Estado civil 1. Solteiro
2. Casado 3. Outros
Valor dos bens 1. Até R$ 13.000
2. De R$ 13.000 a R$ 27.000 3. De R$ 27.000 a R$ 41.000 4. De R$ 41.000 a R$ 78.000 5. Mais de R$ 78.000
Condição de posse da moradia atual 1. Própria 2. Alugada 3. Outras
Idade 1. Ate 25 anos
2. De 26 a 35 anos 3. De 36 a 45 anos 4. Mais de 45 anos
Tabela 1 – Variável dependente e independentes e suas categorias
O conjunto total de pessoas entrevistadas nas feiras de imóveis reduziu-se neste exemplo de 2764 casos para 2344. Cada um destes estará alocado a uma das ramificações da análise do CHAID. Em alguns casos, não foi possível obter informações para as cinco variáveis independentes, o que caracteriza a existência de pontos faltantes (missing values). Para fins de simplificação da visualizacão, os missing values relativos as variáveis independentes foram retirados do dendograma (figura 1), quando eles apareciam em uma categoria isolada. Onde esta categoria (missing values) teve semelhança com outras categorias, as mesmas foram automaticamente agregadas pelo CHAID e estão representadas por um ponto (ex.: bens 34.). As categorias das variáveis independentes são representadas no dendograma, pelo mesmo número que foram codificadas na tabela 1.
Figura 1 – CHAID Dendograma. Os valores nos quadros correspondem ao percentual em cada categoria de preço RENDA1 1. 60.36% 2. 15.98% 3. 10.65% 4. 9.47% 5. 3.55% n = 169 RENDA2 1. 43.98% 2. 21.30% 3. 18.54% 4. 14.99% 5. 1.18% n = 507 RENDA3 1. 20.92% 2. 17.01% 3. 23.91% 4. 31.26% 5. 6.90% n = 435 RENDA4 1. 10.00% 2. 12.40% 3. 17.20% 4. 40.00% 5. 20.40% n = 250 RENDA5 1. 11.83% 2. 6.45% 3. 17.74% 4. 31.18% 5. 32.80% n = 186 RENDA6 1. 5.88% 2. 3.43% 3. 11.76% 4. 23.53% 5. 55.39% n = 204 PRECO 1. 29.10% 2. 17.28% 3. 19.24% 4. 22.10% 5. 12.29% n = 2344 BENS1 1. 65.08% 2. 23.81% 3. 7.94% 4. 3.17% 5. 0.00% n = 63 BENS23 1. 40.00% 2. 27.00% 3. 27.00% 4. 6.00% 5. 0.00% n = 100 BENS45 1. 10.26% 2. 10.26% 3. 33.33% 4. 46.15% 5. 0.00% n = 39 BENS123 1. 27.16% 2. 25.93% 3. 27.16% 4. 19.75% 5. 0.00% n = 81 BENS45 1. 3.08% 2. 7.69% 3. 29.23% 4. 47.69% 5. 12.31% n = 65 EST.CIVL1 1. 34.38% 2. 18.75% 3. 21.88% 4. 21.88% 5. 3.13% n = 32 EST.CIVL23. 1. 7.14% 2. 3.90% 3. 16.88% 4. 33.12% 5. 38.96% n = 154 BENS1234. 1. 7.45% 2. 4.35% 3. 14.91% 4. 27.33% 5. 45.96% n = 161 BENS5 1. 0.00% 2. 0.00% 3. 0.00% 4. 9.30% 5. 90.70% n = 43 EST.CIVIL1 1. 41.77% 2. 20.25% 3. 15.19% 4. 16.46% 5. 6.33% n = 79 ESTCIVIL23. 1. 76.67% 2. 12.22% 3. 6.67% 4. 3.33% 5. 1.11% n = 90 IDADE12 1. 12.50% 2. 10.42% 3. 18.75% 4. 25.00% 5. 33.33% n = 48 IDADE3. 1. 1.37% 2. 1.37% 3. 23.29% 4. 38.36% 5. 35.62% n = 73 IDADE4 1. 12.12% 2. 0.00% 3. 0.00% 4. 33.33% 5. 54.55% n = 33 BENS12 1. 11.11% 2. 19.44% 3. 30.56% 4. 36.11% 5. 2.78% n = 36 BENS34. 1. 11.60% 2. 12.71% 3. 16.02% 4. 41.99% 5. 17.68% n = 181 BENS5 1. 0.00% 2. 3.03% 3. 9.09% 4. 33.33% 5. 54.55% n = 33 IDADE12 1. 19.64% 2. 1.79% 3. 19.64% 4. 12.50% 5. 46.43% n = 56 IDADE34. 6. 0.95% 7. 5.71% 8. 12.38% 9. 35.24% 10. 45.71% n = 105 BENS1. 1. 2.44% 2. 0.00% 3. 29.27% 4. 19.51% 5. 48.78% n = 41 BENS2345 1. 0.00% 2. 3.13% 3. 15.63% 4. 62.50% 5. 18.75% n = 32
Pela análise do dendograma é possível concluir alguns itens importantes:
1. A variável mais importante na predição do preço desejado é renda mensal familiar. O fato de não ter sido possível agregar nenhum nível de renda mostra a tamanha importância da definição desta variável, já que cada classe acima referenciada comporta-se de maneira estatisticamente diferente das outras;
2. Para a categoria de renda mais baixa (até R$ 1.000) a grande maioria dos clientes (60%), escolhe imóveis até RS 42.500, como era de se prever. No entanto, os solteiros têm uma predisposição de pagar um pouco mais comparativamente aos casados e outros (divorciados e viúvos);
3. Indivíduos com renda mensal familiar entre R$ 1.000 e R$ 4.000 consideram em segundo lugar o valor dos bens que eles possuem. Em todos os casos o aumento do valor dos bens é acompanhado pelo aumento da predisposicão em pagar a mais pelo valor do imóvel. No entanto, é importante perceber como as categorias destas variáveis foram agregadas, segundo os diferentes níveis de renda. Nas classes de renda até R$ 2.000, o aumento do valor dos bens leva a um ajuste mais preciso da definição do preço desejado (mais categorias da variável valor dos bens). Em classes superiores de renda, o nível de agregação das categorias é maior (em geral apenas duas categorias). Poderia-se, neste caso redividir a categoria de valor dos bens. Inicialmente ela foi considerada de maneira geométrica (até R$13.000, de R$13.000 a R$27.00, de R$27.00o a R$41.000, etc.), o que garantiu que se tivesse mais ou menos o mesmo número de casos em cada uma das categorias. Seria o caso agora de explorar uma subdivisão maior do valor dos bens para estas rendas mais altas a fim de conseguir uma precisão maior em relação ao efeito desta variável ;
4. Para os clientes com renda entre R$ 4.000 e R$ 5.000, o elemento diferenciador volta a ser estado civil. Casados e outros (divorciados e viúvos) têm uma predisposição a adquirir apartamentos de maior valor do que os solteiros. No entanto, entre estes, o aumento da idade está associada a um aumento de preço. Pode-se perceber que houve uma inversão da influência do estado civil na predisposição para pagar a mais pelo imóvel. Na primeira faixa de renda, os solteiro pagam mais que os casados, enquanto que na faixa de R$ 4.000 R$ 5.000 inverte-se esta relação;
5. Para os indivíduos na última faixa de renda, a variável diferenciadora volta a ser valor dos bens, só que a um nível muito mais agregado, e é claro separando os patrimônios elevados dos de menor valor (maior que R$ 78.000 e os outros). No caso de valor patrimoniais altos, 90.70% das pessoas procuram imóveis da mais alta faixa de preço (acima de R$120.000). Para faixa de valor de bens menores, a idade do chefe da família é importante na definição do valor a pagar, sendo os jovens mais representados nas faixas menor de valor.
Como proposto anteriormente, os resultados do CHAID foram utilizados numa etapa posterior em modelos de análise de variância.
5. Utilização dos Resultados do CHAID em Modelos de Análise de Variância
A análise geral dos resultados do dendograma permite gerar algumas equações através dos modelos de análise de variância, para cada nível de renda. Estas equações levam em consideração as variáveis escolhidas pela análise do CHAID e a agregação das suas categorias. Para facilitar a interpretação dos resultados a variável preço foi utilizada na forma contínua ao invés da forma categórica, como apresentado anteriormente.
Renda 1 (até R$ 1.000,00)
A principal variável para esta categoria de renda é o estado civil, sendo que este pode ser agregado em apenas dois níveis: solteiros e outros (casados, divorciados e viúvos)
Preço = 36.602 + 16.182 (civil)* * categoria base sendo “outros”
Isto significa que os solteiros pagam em média 16 mil reais a mais que os casados, um valor alto considerando que o valor dos imóveis são nas maioria dos casos menores que R$42.500.
Renda 2 (de R$1.000 a R$ 2.000)
A principal variável para esta categoria de renda é o valor dos bens, divididos em três níveis: até R$13.000, entre R$13.000 e R$ 41.000 e mais de R$ 41.000. A equação neste caso, toma a seguinte forma:
Preço = 69.871 – 28.165 (bens1)* – 20.616 (bens2)* * categoria base “mais de R$ 41.000”
Isto significa que um aumento nos valor do bens disponíveis pode significar uma disponibilidade para pagamento do imóvel na ordem de 20 a 30 mil reais.
Renda 3 (de R$ 2.000 a R$ 3.000)
A principal variável para esta categoria de renda é o valor dos bens, divididos em dois níveis: até R$41.000 e mais de R$ 41.000. A equação neste caso, toma a seguinte forma:
Preço = 82.307 – 25.394 (bens1)* * categoria base “mais de R$ 41.000”
Isto significa que os indivíduos que ganham entre 2 e 3 mil reais com um valor de bens maior que R$ 41.000 pagariam cerca de 30% a mais pelo imóvel desejado do que os indivíduos com valor de bens menor do que este limite.
Renda 4 (de R$ 3.000 a R$ 4.000)
A principal variável para esta categoria de renda é o valor dos bens, divididos em três níveis: até R$ 27.000, entre R$ 27.000 e R$ 78.000 e mais de R$ 78.000. A equação neste caso, toma a seguinte forma:
Preço = 111.071 – 43.807 (bens1)* - 34.600(bens2)* * categoria base “mais de R$ 78.000”
Isto significa que um aumento nos valor do bens disponíveis pode significar uma disponibilidade para pagamento do próximo imóvel na ordem de 30 a 40 mil reais.
Renda 5 (de R$ 4.000 a R$ 5.000)
As principais variáveis nesta categoria são estado civil (em dois níveis: solteiros e outros), idade (em três níveis: ate 35 anos, entre 36 e 45 anos e mais de 45 anos) e valor dos bens (em dois níveis: até R$13.000 e mais de R$13.000). A equação neste caso, toma a seguinte forma: Preço = 110.951 – 18.205 (bens1)* – 16.400 (idade1)** – 8.295(idade2)** – 33.927 (estado1)***
* categoria base “mais de R$ 13.000” ** categoria base “mais de 45 anos”
*** categoria base “estado civil casado ou divorciado”
É interessante notar que nesta equação apenas a variável estado civil é significativa (à um nível de 5%). Isto significa que a variável idade, assim como detectado pelo CHAID só é
importante para os indivíduos casados e divorciados ou viúvos. Da mesma forma, a variável valor dos bens só é significativa para os indivíduos como idade entre 36 e 45 anos.
Renda 6 (mais de R$ 5.000)
As principais variáveis nesta categoria são: valor dos bens (em dois níveis: até R$ 78.000 e mais de R$ 78.000) e idade (em dois níveis: ate 35 anos e mais de 36 anos). A equação neste caso, toma a seguinte forma:
Preço = 172.786 – 69.551 (bens1)* – 10.964 (idade1)** * categoria base “mais de R$ 78.000
** categoria base “mais de 36 anos”
Interpretando a equação, nota-se que os indivíduos nesta faixa de renda, acima de 36 anos com alto valor patrimonial estariam dispostos a pagar em média cerca de 172 mil reais pelo imóvel. A diferença para segunda categoria ( valor dos bens menor que R$ 78.000 e menos de 36 anos) é cerca de 46%.
6. Conclusões
Como etapa preliminar da análise de dados o método CHAID propiciou a definição de variáveis importantes a serem usados em modelos de análise de variância, indicando para segmentos específicos um conjunto diferente de fatores influenciadores do processo de escolha. Na análise de variância, obtém-se valores para os imóveis escolhidos, enquanto que para o CHAID indicavam-se apenas as percentagens escolhidas dentro de cada categoria. No exemplo escolhido para ilustrar a técnica, os resultados obtidos mostraram que a principal variável influenciadora do preço que os indivíduos desejam pagar pelo novo imóvel é a renda familiar. Em geral, o valor dos bens patrimonial é também uma variável muito importante, sendo que o estado civil aparece como fator influente no valor de compra nas rendas menores que R$1.000 reais e entre R$4.000 e R$5.000. Para as categorias de renda mais alta, a idade também mostra-se importante. Com base nestes resultados conclui-se que a técnica do CHAID mostrou-se um bom método para descobrir estruturas principais nas tabulações cruzadas multidimensionais.
Aproveitando-se das características do CHAID, abre-se o caminho para a utilização de técnicas mais sofisticadas como os modelos logits, sugeridos na literatura. A utilização de uma técnica que ajude a diminuir o número e as categorias das variáveis, seria de enorme ajuda em modelos que visam modelar comportamento de compra e que possuem como principal desvantagem as restrições impostas em relação ao número de variáveis a serem utilizadas.
Com base nestes resultados e na vasta bibliografia disponível ilustrando a técnica, sugere-se que a mesma seja incluída na gama de técnicas utilizadas nos estudos mercadológicos que visam a análise de comportamentos específicos de um segmento do mercado.
7. Referências Bibliográficas
BOEHM. T. P.. A Hierarchical Model of Housing Choice. Urban Studies, vol. 19, 17-31, 1982
BOOSTMA, H. G.. The Influence of a Work-Oriented Life Style on Residential Location Choice of Couples. Netherlands Journal of Housing and the Built Environment, vol 10, no 1, 45-63, 1995
CLARK, W. A. V.; DEURLOO, M. C.; DIELEMAN, F. M.. Modeling Strategies for Categorical Data: Examples for Housing and Tenure Choice. Geographical Analysis, vol 20, 198-219, 1988
CLARK, W. A. V.; DEURLOO, M. C.; DIELEMAN, F. M.. Categorical Data with Chi Square Automatic Interaction Detection and Correpondece Analysis. Geographical Analysis, vol. 23, 332-345, 1991
CLARK, W. A. V.; DEURLOO, M. C.; DIELEMAN, F. M.. Tenure Changes in the Context of the Micro-Level Family and the Macro-Level Economic Shifts. Urban Studies, vol. 31, no 1, 137-154, 1994
DEURLOO, M. C.. A Multivariate Analysis of Residential Mobility. Tese de Doutorado, Istituut voor Sociale Geografie, Universiteit van Amsterdam, 210 pgs, 1987
DEURLOO, M. C.; DIELEMAN, F. M.; CLARK, W. A.V.. Multinomial Response Models of Housing Choice. Environment and Planning A, vol 19, 1988
DEURLOO, M. C.; CLARK, W. A. V.; DIELEMAN, F. M.. Choice of Residential Environment in the Randstad. Urban Studies, vol. 27, no 3, 335-351, 1990
FISCHER, M. M.; AUFHAUSER, E.. Housing Choice in a Regulated Market: A Nested Multinomial Logit Analysis. Geographical Analysis, vol. 29, 47-69, 1988
FREITAS, A.A.F. Segmentação do Mercado Imobiliário Utilizando Dados de Preferência Declarada. Tese de Doutorado. Programa de Pós-Graduação em Engenharia de Produção. Universidade Federal de Santa Catarina. 2000
PERREAULT, W. D.; BARSDALE, H. C. A Model-Free Approach for Analysis of Complex Contingency Data in Survey Research. Journal of Marketing Research, 27, 503-515, 1980 WRIGLEY, N.. Categorical Data Analysis for Geographers and Environmental Scientists. Longman, 1985
