O objetivo deste trabalho foi o de analisar as características socioeconômicas dos indivíduos, também levando em consideração os indicadores de desigualdade de renda, e verificar o quanto as mesmas podem influenciar na vitimização repetida das pessoas. Utilizando-se os dados da PNAD de 1988 e do IPEADATA para o mesmo ano, foi possível criar um modelo econométrico para dados em contagem, aplicá-lo ao fenômeno da vitimização repetida e estimá-lo. Os resultados deste trabalho, obtidos através da estimação dos modelos de regressão negativo binomial e zeros inflados, se mostraram compatíveis com a literatura internacional sobre o assunto.
As características do indivíduo se mostraram determinantes para a vitimização recorrente14. O fato de morar em áreas urbanas deixa a pessoa mais vulnerável para sofrer algum dos delitos de roubo ou furto. Esse resultado já era esperado, já que grande parte dos crimes de uma determinada região ocorre em tais áreas. Além disso, ser homem, ser chefe de família e ter algum tipo de emprego também aumentam a probabilidade de a pessoa ser vitimizada.
Os anos de estudos, que, de acordo com a literatura econômica, possuem relação positiva com a renda da pessoa, também têm impacto na vitimização recorrente. Não é difícil de entender isso, já que quanto mais tempo de estudos, mais a pessoa se torna qualificada e mais chances tem de conseguir um bom emprego, aumentando assim sua renda. Dessa forma, tais indivíduos se tornam possíveis alvos para sofrerem algum tipo de delito.
Foi sugerido no trabalho de Meier e Miethe (1993) que o número de componentes de uma família pode ajudar a diminuir os riscos de vitimização. Levando-se em consideração esta afirmação, os resultados estimados confirmaram essa evidência empírica, mostrando que o número de componentes possui uma relação positiva com a vitimização repetida, indicando que quanto maior for a composição familiar, menores são as chances de um dos integrantes da família ser vitimizado.
14
Vale ressaltar que esse resultado não é específico apenas para o tipo de crime analisado no presente trabalho, i.e., roubos e furtos. A evidência internacional extrapola estas conclusões para diferentes tipos de delitos, principalmente para a ocorrência de homicídios (Fajnzylber (1998)).
De acordo com os resultados obtidos com o modelo de zeros inflados, a porcentagem de domicílios pobres de uma determinada região não influencia na ocorrência da vitimização recorrente, já que o seu resultado foi estatisticamente insignificante. Entretanto, com relação aos indicadores de desigualdade, obteve-se como resultado que o índice de Gini tem uma relação positiva com o risco de vitimização. Com isso, quanto mais concentrada for a renda da região, maior será a desigualdade e, conseqüentemente, maiores serão as chances de uma pessoa se tornar vítima mais de uma vez.
Dessa forma, tem-se que as variáveis independentes escolhidas para este trabalho confirmaram os estudos empíricos da literatura internacional sobre este assunto. É preciso ressaltar que além destas características, outras também podem influenciar na determinação da vitimização repetida. As mesmas são chamadas de heterogeneidade não observada, já que não se têm como mensurá-las. Características como sair de casa à noite, freqüentar lugares que atraiam a atenção de criminosos e manter hábitos que exponham, de certa forma, a renda da família e/ou do indivíduo, são exemplos da heterogeneidade não observada. As mesmas não são questionadas nas pesquisas sobre vitimização no Brasil e são de grande importância para determinar quais fatores aumentam os riscos de o indivíduo sofrer de vitimização repetida.
Diante deste cenário, pode-se concluir que o fenômeno da vitimização repetida ocorre principalmente devido às condições socioeconômicas do indivíduo e da região. Além disso, pode-se constatar que as chances de uma pessoa ser vitimizada são maiores para aquelas que já foram vítimas alguma vez. Com isso, é importante desenvolver uma noção de que a redução da vitimização repetida está relacionada à prevenção e à redução de crimes.
Seguindo essa linha de raciocínio, tem-se que é fundamental criar e implementar programas de segurança que tenham como objetivo principal ajudar o indivíduo que foi vítima mais de uma vez e, com isso, reduzir o fenômeno da vitimização. Os resultados desse trabalho tornaram evidente que tais programas não podem se basear apenas em questões imediatistas, como por exemplo, aumentar o contingente policial nas ruas, melhorar seu armamento e/ou construir novos presídios, mas também em questões que tenham efeitos de longo prazo, através de políticas que busquem melhorias econômicas e sociais da região.
Como foi visto nesse trabalho, as condições socioeconômicas dos indivíduos influenciam no fenômeno da vitimização. Além disso, as mesmas desempenham um papel importante no bem-estar da população. Fatores como pobreza relativa, exclusão escolar,
75
violência doméstica e poucas oportunidades de emprego, que estão ligados a estas condições, são vistos na literatura como estimulantes à prática da criminalidade, originando a vitimização.
De fato, de acordo com o projeto de Segurança Pública para o Brasil (2002), para acabar com a criminalidade e com a vitimização, é preciso levar segurança para toda a população. Para isto, o governo deve se comprometer a criar políticas que combatam as principais variáveis que levam ao aumento da violência. Tais variáveis estão centralizadas principalmente nas esferas econômicas, sociais e de segurança pública.
Investir em ações de estímulo ao desenvolvimento econômico e social pode reduzir o número de crimes e a vitimização, ocasionando uma melhoria na qualidade de vida cotidiana, além de trazer benefícios para os governos federal, estaduais e municipais. Isso ocorre porque uma maior geração de empregos, por exemplo, implica em uma maior arrecadação fiscal; uma redução na vitimização diminui os gastos com assistência social e seguro social de saúde; entre outros benefícios. Portanto, é importante a elaboração de reformas estruturais na economia para que se tenham mudanças na sociedade como um todo. Em resumo, qualquer política de segurança de uma sociedade deve considerar de maneira séria questões como distribuição a renda, redução das desigualdades, elevação das taxas de escolaridade, geração de emprego e renda, entre outras soluções para ajudar a diminuir o fenômeno da vitimização.
REFERÊNCIAS
ANDRADE, M. V. et al. Perfil ocupacional das vítimas e criminosos no município de
Belo Horizonte: um estudo exploratório. Texto para discussão, nº 195. Belo Horizonte:
CEDEPLAR/UFMG, 2003.
ARAÚJO JR. A. F.; FAJNZYLBER, P. O que causa a criminalidade violenta no Brasil? Uma análise a partir do modelo econômico do crime: 1981 a 1996. Texto de Discussão n° 162: CEDEPLAR/UFMG, 2001.
ATKINSON, A. B.; BOURGUIGNON, F. Handbook of income distribution. Vol. 1. Amsterdam: Elsevier, 2000, p. 87-166.
BALLONE, G. J. Criminologia. 20 out. 2004. In: PsiqWeb. Disponível em:
<http://virtualpsy.locaweb.com.br/index.php?art=26&sec=78>. Acesso em 28 nov. 2007. BARSLUND, M. et al. Understanding victimization: the case of Mozambique. Texto para discussão05-17: Department of Economics, University of Copenhagen, 2005.
BIANCHINI, Z. M., ALBIERI, S. Principais aspectos da amostragem das pesquisas
domiciliares do IBGE - Revisão 2002. IBGE: Textos para discussão, Rio de Janeiro, 2003.
BECKER, G. S. Crime and punishment: an economic approach. The Journal of Political
Economy, vol. 76, n° 2, 1968, p. 169-217.
BLAU, J. R.; BLAU, P. M. The cost of inequality: metropolitan structure and violent crime. American Sociological Review, vol. 47, 1982.
BOHN, M. A. P. Vitimologia (anotações de aula). Textos. 28 fev. 2004. DireitoNet. Disponível em <www.direitonet.com.br/textos/x/56/11/561>. Acesso em 11/12/2007.
BRADY, T. V. Measuring what matters part one: measures of crime, fear, and disorder. National Institute of Justice, dezembro, 1996.
CAMERON, A. C., TRIVEDI, P. K. Econometric models based on count data: comparisons and applications of some estimators and tests. Journal of Applied Econometrics, vol. 1, n° 1, 1986.
CAMERON, A. C.; TRIVEDI, P. K. Microeconometrics methods and applications. Cambridge University Press, 2005.
CATÃO, Y. Pesquisas de vitimização. In: II Encontro do Fórum de Debates sobre Criminalidade, Violência e Segurança Pública no Brasil. IPEA e CESeC/UCAM, Rio de Janeiro, 2000.
CHAPTER ONE. Victims, victimization and victimology. Disponível em:
77
COHEN, L. E.; FELSON, M. Social change and crime rate trends: a routine activity approach. American Sociological Review, vol. 44, 1979, p. 588-608.
COLEMAN, C.; MOYNIHAN, J. Understanding crime data: haunted by the dark figure. Open University Press, Philadelphia, 2000.
COWELL, F. A. Measurement of inequality. In: Handbooks of income distribution. Atkinson, A. B. e Bourguignon, F. (org.), vol. 1, Elsevier, 2000.
DI TELLA, R.; GALIANI, S.; SCHARGRODSKY, E. Crime victimization and income
distribution. Inter-American Development Bank, Regional Policy Dialogue, Studies on
Poverty and Social Protection, 2002.
DIGNAN, J. Understanding victims and restorative justice. London: Open University Press, 2005.
DUCE, A. D. et al. Análisis microeconómico de los datos criminales: factores determinantes de la probabilidad de denunciar un delito. III Encuentro de Economía Aplicada, Valencia, junho, 2000.
EHRLICH, I. Participation in illegitimate activities: a theoretical and empirical investigation.
Journal of Political Economy, vol. 81, nº 3, 1973.
FAJNZYLBER, P. et al. Determinants of crime rates in Latin American and the world,
an empirical assessment. Washington D.C.: The Word Bank, 1998.
FAJNZYLBER, P. et al.. What causes violent crime? European Economic Review, 2000. FARRELL, G., PEASE, K. Once bitten, twice bitten: repeat victimization and its implications for crime prevention. Crime Prevention Unit Paper, vol 46, 1993.
FARREL, G.; PHILLIPS, C.; PEASE, K. Like taking candy: why does repeat victimization occur? London: British Journal of Criminology, vol. 35, n° 3, 1995, p. 384-399.
FERREIRA, F. H. G. Os determinantes da desigualdade de renda no Brasil: luta de classes ou heterogeneidade educacional? Texto para Discussão, nº 415. Rio de Janeiro: PUC- Rio, 2000a.
FERREIRA, P. Wage inequality and technology: an exploration using the Theil index and industry estimations of technology intensity. Apresentação de PPT, Mestrado em Engenharia e Gestão da Tecnologia, 2000b.
GARCETTE, N. Income inequality and crime protection. Mimeo Delta, 2001. GUJARATI, D. N. Econometria Básica. 3. ed. São Paulo: Makron Books, 2000.
HINDELANG, M. S.; GOTTFREDSON, M.; GAROFALO, J. Victims of personal crime: an empirical foundation for a theory of personal victimization. Cambridge, MA: Ballinger, 1978.
HOFFMAN, R. Estatística para Economistas. 3ª ed., Thomson, 1998.
HUSE, C.; SALVO, A. Estimação e identificação de demanda e de oferta. In: Métodos
quantitativos em defesa da concorrência e regulação econômica. Eduardo P. S. Fiuza;
Ronaldo S. Motta (org.). Rio de Janeiro: Ipea, vol. 01, 2006.
IBGE. Para compreender a PNAD (um texto simplificado) – Pesquisa Nacional por Amostra de Domicílios. Rio de Janeiro, 1991.
IBGE. Pesquisa Nacional por Amostra de Domicílios. 2007. Disponível em:
<http://www.ibge.gov.br/home/estatistica/populacao/trabalhoerendimento/pnad2006/default.s htm>. Acesso em 16 out. 2007.
ILANUD; FIA; GSI. Pesquisa de vitimização 2002 e avaliação do PIAPS. 2002.
IPEADATA. Instituto de Pesquisa Econômica Aplicada. Disponível em: <www.ipeadata.gov.br>. Acesso em 03 jan. 2008.
KLEEMANS, E. R. Repeat burglary victimization: results of empirical research in the Netherlands. In Repeat Victimization, editors: Graham Farrell e Ken Pease. Crime
Prevention Studies, vol. 12, Criminal Justice Press, 2001.
LAYCOCK, G. Hypothesis-based research: the repeat victimization story. Criminal Justice, v. 1, n°1. London: SAGE Publications, 2001, 59-82.
LEMGRUBER, J.; MUSUMECI, L.; RAMOS, S. Por que é tão difícil implementar uma
política de segurança? Observatório da Cidadania, 2002.
LETTIERI, M.; PAES, N. L. Medidas de pobreza e desigualdade: uma análise teórica dos principais índices. Série Ensaio sobre Pobreza, n° 02, Laboratório de Estudos de Pobreza. Fortaleza: CAEN/UFC, 2006.
LEVITT, S. D. The changing relationship between income and crime victimization. FRBNY Economic Policy Review, 1999, p. 87-98.
LOUREIRO, A. O. F. Uma análise econométrica do impacto dos gastos públicos sobre a
criminalidade no Brasil. Dissertação de Mestrado. Fortaleza: CAEN/UFC, 2006.
MACDONALD, Z. Revisiting the dark figure: a microeconometric analysis of the under- reporting of property crime and its implications. British Journal of Criminology, vol. 41, 2001.
________________. Official crime statistics: their use and interpretation. The Economic
Journal, vol. 112, nº 477, 2002, p. 85-106.
MARTINE, G. et al. A PNAD: notas para uma avaliação. In: PNADs em foco. Diana Oya Sawyer (org.). Associação Brasileira de Estudos Populacionais, 1988.
MEIER, R. F.; MIETHE, T. D. Understanding theories of criminal victimization. Chicago: University of Chicago, 1993.
79
NILSSON, A.; ESTRADA, F. The inequality of victimization: trends in exposure to crime among rich and poor. European Journal of Criminology, vol. 3, n° 4. London: SAGE Publications, 2006.
PEASE, K. Repeat victimization: taking stock. Crime Detection and Prevention Series, paper 90, 1998.
PNAD. Pesquisa Nacional por Amostragem de Domicílios. 1988. ______. Pesquisa Nacional por Amostragem de Domicílios. 2006.
POLVI, N. et al. The time course of repeat burglary victimization. British Journal of Criminology, vol 31, n° 4, 1991.
RESENDE, J. P. Crime social, castigo social: o efeito da desigualdade de renda sobre as taxas de criminalidade nos grandes municípios brasileiros. Dissertação de Mestrado. Belo Horizonte: CEDEPLAR/UFMG, 2007.
ROBINSON, M. B. Lifestyles, routine activities and residential burglary victimization.
Journal of Crime and Justice, vol. 22, n° 1, 1999, p. 27-56.
SAGOVSKY, A.; JOHNSON, S. D. When does repeat burglary victimization occur? The
Australian and New Zealand Journal of Criminology, vol 40, n° 1, 2007, p. 1-26.
SANTOS, M. J.; KASSOUF, A. L. Uma estimativa dos determinantes socioeconômicos do
sub-registro de crimes contra a propriedade: uma análise microeconométrica baseada na
hipótese da racionalidade. Disponível em: <www.cepea.esalq.usp.br/pdf/sub-registro_ crime.pdf>. Acesso em: 08 jun. 2007.
SETEC – Secretaria de Educação Profissional e Tecnológica. Informações gerais sobre a
PNAD. Disponível em: <http://portal.mec.gov.br/setec>. Acesso em: 08 out. 2007.
SHAVELL, S. Individual precautions to prevent theft: private versus socially optimal behavior. NBER Working Papers Series, n° 3560, 1990.
SILVA, Leonardo Rabelo de Matos. A criminologia e a criminalidade. Jus Navigandi, Teresina, ano 7, nº 66, jun. 2003. Disponível em: <http://jus2.uol.com.br/doutrina/texto. asp?id=4137>. Acesso em: 12 dez. 2007.
SIMS, L. AND MYHILL, A. Policing and the Public: Findings from the 2000 British Crime Survey, Home Office Research Findings no. 136, London: Home Office, 2001.
SPARKS, R. F. Multiple victimization: evidence, theory, and future research. Journal of
Criminal Law and Criminology, n° 2, vol. 72, 1981.
THACHER, D. The rich get richer and the poor get robbed: inequality in U. S. criminal victimization, 1974-2000. Journal of Quantitative Criminology, vol. 20, nº 2, 2004.
TSELONI, A.; PEASE, K. Repeat personal victimization: ‘boosts’ or ‘flags’?. London:
British Journal of Criminology, vol. 43, 2003, p. 196-212.
WILLIAMS, K. R. Economic sources of homicide: reestimating the effects of poverty and inequality. American Sociological Review, vol. 49, 1984.
WINKELMANN, R. Econometric Analysis of Count Data. Springer, 2ª ed, New York, 1997.
WITTEBROOD, K., NIEUWBEERTA, P. Criminal victimization during one’s life course: the effects of previous victimization and patterns of routine activities. Journal of Research in Crime and Delinquency, vol.37, n° 1, SAGE Publications, 2000.
YBARRA, L. M. R.; SHARON, L. L. Estimates of repeat victimization using the National Crime Victimization Survey. Journal of Quantitative Criminology, vol. 18, n° 1, 2002. ZORN, C. J. W. Evaluating zero-inflated and hurdle Poisson specifications. Midwest Political Science Association, vol. 18, n° 20, 1996.
81
APÊNDICE
APÊNDICE A - Resultados do modelo de regressão de Poisson
Variáveis Coeficientes Desvio padrão Pr > |z|* Efeito marginal SIT 0.5232 0.0266 0.000 1.68 SEXO - 0.0784 0.0195 0.000 0.92 COR - 0.0596 0.0170 0.000 0.94 CONDD 0.8353 0.0223 0.000 2.30 IDADE 0.0104 0.0006 0.000 1.01 FEZSEM 0.3584 0.0199 0.000 1.43 ANOEST 0.0955 0.0026 0.000 1.10 NUMCOMP - 0.0676 0.0043 0.000 0.93 RENDA 5.26e-07 5.75e-08 0.000 1.00 GINI 5.1145 1.3271 0.000 6.41 POBRES 0.3178 0.0627 0.000 1.37 RAZAO - 3.3672 0.9996 0.001 0.03 _CONST - 6.4791 0.5613 0.000 Log likelihood = - 57986.123 Pseudo R2 = 0.0782 *Estatisticamente significante a 5%
APÊNDICE B - Resultados do modelo de regressão de zeros inflados para Poisson Variáveis
infladas Coeficientes Desvio padrão Pr > |z|
Efeito marginal SIT - 0.9863 0.0488 0.000 0.37 SEXO - 0.0323 0.0429 0.451* 0.96 COR - 0.0252 0.0384 0.511* 0.97 CONDD - 0.8635 0.0482 0.000 0.42 IDADE - 0.0020 0.0015 0.185* 0.99 FEZSEM - 0.2669 0.0425 0.000 0.76 ANOEST - 0.1099 0.0066 0.000 0.89 NUMCOMP 0.0344 0.0092 0.000 1.03 RENDA - 2.85e-06 3.29e-07 0.000 1.00 GINI - 5.0938 2.9236 0.081* 0.00
POBRES 0.0280 0.1473 0.849* 1.02 RAZAO 3.6814 2.1021 0.080* 39.70 _CONST 5.9331 1.2622 0.000 Log likelihood = - 53653.53
Vuong test of ZIP vs Poisson: z = 21.53 Pr>z = 0.0000
*Estatisticamente significante a 5%