Can Density Reallocation Reshape Urban Residual Dependence?An Ex Ante TDR Design Diagnostic for Seoul

Resumo Técnico: A Realocação de Densidade Pode Remodelar a Dependência Residual Urbana?

Definição do Problema
As avaliações existentes de instrumentos de densidade — como o zoneamento ascendente (upzoning), a flexibilização do Índice de Aproveitamento (IA) e a Transferência de Direitos de Construção (TDC) — focam primordialmente em resultados de primeiro momento: níveis de preços, quantidades, absorção e equidade. Este artigo aborda uma lacuna na literatura ao examinar um resultado de segundo momento: a estrutura de dependência residual dos preços imobiliários urbanos. Especificamente, questiona-se como a realocação da densidade permitida via TDC remodela o grau em que os valores das propriedades em um mercado metropolitano co-movem-se em resposta a choques comuns (ex: mudanças nas taxas de juros ou reavaliações do valor da terra). A questão central de design é se a realocação do IA permitido altera a "rede de vizinhança de saturação" e, consequentemente, o componente de risco não diversificável do mercado metropolitano, definido pela correlação pareada dos resíduos de preços.

Metodologia
O estudo emprega um framework de modelagem de erro espacial de matriz múltipla aplicado a 22.020 transações de propriedades comerciais e de uso misto em sete cidades metropolitanas da Coreia do Sul (2018–2025), com foco principal em Seul, onde as restrições de densidade são mais vinculantes.

1. Medição de Saturação: O autor define "saturação de desenvolvimento nominal" ($s_i$) como a razão entre o IA realizado e o parâmetro de referência do zoneamento de uso base. Observações com $s_i > 1$ são mantidas, refletindo bônus legais, permissões legadas ou incompletude do denominador, em vez de serem tratadas como erros.
2. Modelo Estrutural: A estimação central utiliza um modelo de erro espacial de matriz múltipla:
   $$u = \lambda_d W_d u + \lambda_s W_s u + \varepsilon$$
   Onde $W_d$ é uma matriz de vizinhança de distância geográfica e $W_s$ é uma matriz de vizinhança de saturação de desenvolvimento (baseada em $k$-vizinhos mais próximos no espaço de saturação). A covariância implícita do modelo para os resíduos é derivada do multiplicador espacial $A^{-1} = (I - \lambda_d W_d - \lambda_s W_s)^{-1}$.
3. Estratégia Empírica:
   • Validação Intermunicipal: Regressões de forma reduzida testam um padrão de correlação de resíduos organizado pela saturação em sete cidades.
   • Estimação Estrutural: A estimação por máxima verossimilhança em Seul separa a dependência geográfica ($\lambda_d$) da dependência baseada em saturação ($\lambda_s$).
   • Validação Temporal: Um teste de fora da amostra (out-of-sample) rotativo (2023–2025) avalia se o canal de saturação melhora a previsão de covariância ou se funciona meramente como um descritor de dentro da amostra (in-sample).
   • Análise Contrafactual: O artigo constrói um contrafactual de TDC de "conservação de volume". Mantém-se o estoque construído (IA realizado) fixo enquanto se realoca o denominador do IA permitido. Isso altera a matriz de saturação ($W_s^0 \to W_s^1$), que é então propagada através do multiplicador espacial estimado para calcular as mudanças na matriz de correlação implícita do modelo.
4. Cenários de Design: Seis geometrias distintas de designação são testadas (ex: envio do quartil de menor saturação para o de maior saturação, concentração de receptores, ou restrições administrativas) enquanto o volume total de área construível transferida é mantido constante.

Principais Resultados

• Dependência de Saturação em Seul: Em Seuls, um componente pequeno, mas detectável, da dependência residual de preços é organizado pela saturação de desenvolvimento, distinto da proximidade geográfica. A estimativa agrupada para o parâmetro de saturação é $\lambda_s = 0,0667$ ($p=0,001$). Isso persiste em um gráfico de blocos anuais (excluindo ligações entre anos) com $\lambda_s = 0,0548$ ($p=0,012$), representando aproximadamente 82% da magnitude agrupada.
• Limitação Fora da Amostra: O canal de saturação não melhora a previsão de covariância temporal rotativa fora da amostra. Consequentemente, o autor trata $\lambda_s$ como um descritor estrutural de dentro da amostel, e não como um parâmetro de previsão validado.
• Impacto Metropolitano: Sob uma TDC de conservação de volume, a mudança na correlação absoluta média de toda a metrópole é economicamente negligenciável (variando de -0,050% a +0,126% dependendo do quadro amostral). O efeito agregado é estatisticamente indistinguível de zero.
• Impacto Local e Geometria: Embora o agregado metropolitano seja negligenciável, os efeitos locais são substanciais e compensatórios. Novas arestas de vizinhança de saturação formadas ganham aproximadamente 0,014 em correlação absoluta, enquanto arestas rompidas perdem aproximadamente ,012.
• Papel da Geometria de Designação: Quando o volume transferido é mantido fixo, a geometria da designação determina a extensão da reatribuição da rede. A parcela da rede de saturação reatribuída varia significamente entre os cenários, indo de 19,5% (próximo à saturação) a 44,2% (próximo à distância). No entanto, a magnitude da mudança de correlação por aresta formada/rompida permanece quase invariante entre as geometrias.

Alegações e Significância
O artigo posiciona-se estritamente como um diagnóstico de design ex ante, não como uma avaliação causal ex post ou uma afirmação de bem-estar. Suas contribuições são estruturadas com disciplina específica de alegação:

1. Contribuição Deficional: Estabelece a dependência residual urbana como um resultado relevante para o design da densidade, indo além dos níveis de preços para a estrutura de dependência.
2. Localização Empírica: Identifica Seul como o mercado onde um padrão organizado pela saturação é empiricamente visível, distinguindo-o de outras cidades com níveis de saturação mais baixos, sem alegar uma ruptura de regime nítida para todas as cidades.
3. Separação de Mecanismos: Separa com sucesso as estruturas geográfica e de saturação em um modelo de matriz múltipla, demonstrando que a saturação adiciona um canal incremental distinto, embora pequeno, à dependência residual.
4. Diagnóstico de Design: O framework fornece um protocolo para monitoramento. Conclui que o monitoramento de grupos de arestas (rastrear arestas de saturação formadas e rompidas) é mais informativo do que médias de toda a cidade.
5. Implicação de Política: O artigo alega que, embora a TDC possa alterar a rede baseada em saturação, a consequência metropolitana é negligenciável. A principal alavanca de design não é o volume total transferido (que "precifica" a reatribuição), mas a geometria de designação, que determina a extensão (número de pares) da reatribuição da rede.

O autor evita explicitamente alegar que a TDC faz com que os preços co-movam-se, que ela eleva ou reduz o risco metropolitano, ou que melhora o bem-estar. A significância reside em fornecer uma ferramenta de diagnóstico baseada em redes e falsificável para que formuladores de políticas possam antecipar como geometrias de designação específicas irão reconfigurar as estruturas de dependência local antes da implementação.