Documente Academic
Documente Profesional
Documente Cultură
I A
f
. H tambm custos e preferncias relacionados ao investimento
representados por .
O retorno lquido de se cometer crime dado por ( )
t t t
n H k N , , , , onde
t
n um distrbio com mdia
zero aos retornos criminais, tal que [ ] para , 0 , cov j i n n
j t
= . Supe-se que esta funo estritamente
crescente em
t
k e , e no decrescente em
t
H . Em adio, criminosos com mais habilidade tm maior
retorno em suas atividades criminais
|
|
.
|
\
|
>
0
2
k
N
\
|
>
0
2
k n
N
. Faz-se aqui uma pequena modificao ao
modelo possibilitando que a probabilidade de priso dependa tambm do que ser denotado aqui por
presena da polcia. A presena policial em um determinado local , por exemplo, resultado da estratgia
policial, do efetivo, da tecnologia de apreenso etc. Continuando, os criminosos podem ser pegos com
probabilidade ( )
t t
k , (que respeita ( ) ( ) 0 , 0 , 1 , , 0 , 0 >
>
k
h
t t
), onde
t
a tecnologia de
apreenso da polcia no instante t e, se presos, eles pagam uma penalidade F .
4
Uma vez condenados, eles
tm que passar J anos na priso durante os quais consomem c cada ano. Durante os anos de priso as
habilidades se depreciam a uma taxa [ ] 1 , 0 ao ano.
As variveis de estado so
t
H e ( )
t t t
n , , tal que a funo valor esperada condicionada nos
indivduos livres dada por ( )
t t t
H V , . Os indivduos na priso no tm decises a tomar e para eles os
choques so irrelevantes. Como conseqncia, esse indivduos tm uma funo valor esperada da forma
( )
t
H .
5
O problema dos indivduos livres maximizar os rendimentos durante o ciclo de vida (com o
parmetro de desconto 1 0 < < ) decidindo quanto tempo gastar em atividades de investimento na
habilidade, trabalho e cometendo crimes.
6
A equao de Bellman diz que:
( ) 2
( ) ( )( ) ( ) ( ) {
( ) ( ) ( ) ( ) ( ) ( ) [ ]}
1 1 1 1 1
,
, , 1 ,
, , , , max ,
+ + + + +
+ +
+ + =
t t t t t t t
t t t t t t t t t t
k I
t t
H V E h H h
F h I n H k N k I h H w H V
t t
Sujeito equao de acumulao de capital ( ) 2 e as seguintes restries:
( ) 3 t h k I k I
t t t t
+ > 0 and 0 ,
A funo valor para o indivduo que acaba de entrar na priso dada por:
( ) 4 ( ) ( ) ( ) ( ) ( ) ( ) ( )
=
+ + +
+ = + =
1
0
, 1 , 1
J
j
J t
J
t J t
J J
t J t
J j
t t
H V E c J H V c H
Onde ( )
=
1
1
,
1 x
x
Entre os perodos 1 + T e T , a idade da morte, os indivduos recebem certa renda que uma
proporo de seus estoques de capital humano (contanto que eles no estejam na cadeia).
7
O perodo T
pode ser entendido como a idade de aposentadoria tal que a partir de ento assumido que os indivduos no
investem em habilidade e nem cometem crime. Outra suposio feita que os indivduos no morrem at que
cumpram suas sentenas, o que pode ser formalmente denotado como J T T + . A funo valor para
algum que no est preso e que j passou da idade de aposentadoria dada por:
4
importante enfatizar que a penalidade e o tempo gasto na priso poderiam perfeitamente depender da histria criminal do
indivduo.
5
A funo valor aqui definida como os rendimentos esperados do ciclo de vida no perodo t condicionado s variveis de estado
no presente.
6
Assume-se aqui, por motivo de simplificao e sem perda de generalidade, que os indivduos so neutros ao risco. Uma
elaborao onde o indivduo maximiza a utilidade torna o modelo mais abrangente, uma vez que no vincula exclusivamente a
deciso de se tornar criminoso a valores monetrios.
7
Se um indivduo encarcerado, ele recebe c at o final da sentena e uma proporo dos seus estoque de capital humano
quando solto.
( ) 5 ( )
|
|
.
|
\
|
= =
=
1
0
,
t T
j
t t
j
t t
H t T H H V
importante enfatizar que o salrio e os choques na atividade criminal esto ausentes na equao
acima porque no tem importncia aps a aposentadoria. A condio de primeira ordem para com relao ao
investimento para os indivduos que esto livres :
( ) 6 ( ) ( ) ( ) ( )
( ) ( )
|
|
.
|
\
|
+ = + +
+
+ + +
+ +
t t
t t t
t t t t t t t t t
I
f
H
H V E
k H k H w
1
1 1 1
1
'
1
,
, 1 ,
Atravs de ( ) 6 fcil verificar que essa condio requer que o custo marginal do investimento no
lado direito (salrio que se deixa de ganhar mais qualquer custo de investimento) seja igual valor marginal do
investimento (produto marginal do investimento e a probabilidade de priso). As condies do envelope
implicam que:
( ) 7
( )
( )
( ) ( ) ( )
( ) ( )
|
|
.
|
\
|
+
(
+ +
+ =
+
+ + +
+
t t
t t t
t t t t t
t
t t t
t
t t t
H
f
H
H V E
k k
H
N
k I h w
H
H V
1
,
, 1 ,
,
1
1 1 1 '
1
+ + =
t t t t t
t
t t
t
t t
t t t
t
t t t
H H V E
k
k
F
k
k
H w
k
n H k N
A equao ( ) 8 mostra que o benefcio corrente do crime equilibrado com a renda presente
renunciada no trabalho legal, multas e rendimento futuros abdicados por uma maior probabilidade de
apreenso. Sendo assim, como as caractersticas individuais ( ) , ,
0
H A influenciam a deciso de cometer
crime? Indivduos com maior capacidade cognitiva investem mais na acumulao de capital porque tm
retornos maiores e, como conseqncia, devem cometer menos crimes ao ficarem mais velhos em
comparao queles menos habilidosos. Os indivduos mais hbeis tambm tm maiores perdas potenciais
nos rendimentos futuros se so presos (investimento abdicado) e devero cometer menos crime enquanto
mais jovens em relao ao grupo de comparao. Indivduos com maior estoque de capital inicial cometem
menos crime em todas as idades porque a diferena tende a persistir com o tempo entre as coortes.
Analogamente, pessoas com maior habilidade criminal iro se engajar em atividades criminais mais
frequentemente em qualquer idade.
Especificao
A funo de retorno para atividades criminais supostamente quadrtica:
( ) 9 ( ) ( )
2
2
, , ,
t t t t t t t t
k k H k n n H k N |
.
|
\
|
+ + =
A funo de apreenso dada por:
( ) 10 ( ) k k = ,
A condio de primeira ordem do crime especificada em ( ) 9 diz que o indivduo entrar na
criminalidade ( 0 >
t
k ) se e somente se:
( ) 11 ( ) ( ) ( ) ( ) [ ]
1 1 1 1 1
,
+ + + + +
+ <
t t t t t t t t t
H H V E F H w n
Define-se tambm que
iA i A i
Z A + = ,
iH i H i
Z H + =
0
e
i i i
Z + = , onde
i
Z um vetor de
caractersticas observveis do indivduo i e os termos
ij
denotam determinantes no observveis das trs
dotaes.
Em adio, assume-se que o estoque de capital humano no perodo t possa ser aproximado por:
( ) 12
( )
( )
i iH iA i H A i
i i i i i i i it
Z S t
H A t H A S H
5 4 3 5 4 3 2 1 0
5 0 4 3 1 0 0
, , ,
+ + + + + + + + =
+ + + + =
Onde
i
S representa os anos de estudo tal que o investimento refletido tanto nos anos de aquisio
de estudo como na idade, que denota a experincia e representada por t . A teoria sugere que os primeiros
quatro coeficientes so positivos enquanto que o quinto negativo. Finalmente, o custo esperado de
encarceramento assumido linear no estoque de capital humano e em
i
J (durao da sentena) tal que:
( ) 13 ( ) ( ) ( )
i t i t i t i t i t i t i
J H H H V E
2 1 , 1 0 1 , 1 , 1 , 1 , 1 ,
, + + =
+ + + + + +
A teoria sugere tambm que ambos 0 ,
2 1
. Mais ainda, ao se assumir que t w w
t
= , chega-se a
seguinte regra de deciso para o crime:
( ) 14 ( )
i i i i i it it
J F Z S t n + + + + + <
2 3 2 1 0
Onde:
( )
1 1 1
= w ,
( ) 15 ( )
2 1 2
= w
( )( )
5 4 3 1 3
+ + + =
H A
w
Se o capital humano possibilita um maior retorno no setor legal do que no crime, a teoria prediz que
ambos 0 ,
2 1
< , o que significa que, medida que tempo passa, a probabilidade de o indivduo cometer
crime decresce, ou, de forma diferente, que um indivduo se torna menos propenso a participar de atividades
criminais quanto maior a idade e a educao. O sinal do coeficiente em
i
Z (educao dos pais, relaes
familiares, amizades e outras caractersticas sociais e locais) depende de quo forte cada uma das
caractersticas relacionadas ao indivduo na determinao das dotaes , ,
0
H A . Com o modelo acima seria
possvel estimar ( ) 14 usando um probit ou logit dependendo das suposies feitas sobre
it it
n , . Contudo, os
dados disponveis e aplicveis para o presente estudo esto agregados por setores censitrios, os quais sero
mais cuidadosamente detalhados adiante no texto, e, por isso conveniente assumir um modelo de
probabilidade linear que possibilite a agregao da equao ( ) 14 . Portanto, a funo de distribuio
acumulada :
( ) ( ) ( )
i i i i i i i i
J F Z S t J F Z S t
2 3 2 1 0 2 3 2 1 0
+ + + + = + + + +
Isso que implica que [ ] ( ) ( )
i i i i
J F Z S t x y E
2 3 2 1 0
| + + + + = , onde x o vetor de
variveis explicativas e 1 = y se o indivduo comete o crime e 0 caso contrrio. Como conseqncia segue o
seguinte modelo de probabilidade linear para o indivduo:
( ) 17 ( ) [ ]
i i i i i i
J F Z S t y + + + + + =
2 3 2 1 0
Agregando o modelo acima para os setores censitrios, tomando a mdia, e assumindo que
i J J F F
i i
= = e :
( ) 18
j s s s s s
j j j j j
Z S t y + + + + + =
4 3 2 1 0
Onde ( ) J F
2 4
+ = , as variveis com um trao em cima denotam W Z S
n
j
n
i
j
, , Va ,
Va
1
i
=
=
e n
a populao do setor censitrio j . Desta forma,
j
s
y a taxa de criminalidade,
j
s
t o nvel de experincia
mdio,
j
s
S denota a educao mdia,
j
s
Z representa a mdia das demais variveis socioeconmicas, e
j
s
a presena da polcia.
3.2 Estratgia para avaliao do programa Fica Vivo
Nessa seo apresentamos a metodologia de avaliao do Programa Fica Vivo a ser adotada neste
trabalho. Como dito anteriormente, a maior dificuldade de avaliao de programas sociais consiste no
problema denominado na literatura de vis de identificao. Esse problema acontece quando no se sabe o
impacto de um determinado programa em uma determinada regio ou indivduo que participou do projeto
caso essa regio ou indivduo no tivesse participado do mesmo. Uma vez que no se trata aqui da
observao de um experimento com seleo aleatria dos participantes do programa, o objetivo tentar
capturar o efeito do programa tentando mitigar a existncia de vis em conseqncia da participao
endgena no programa. O programa Fica Vivo teve incio por causa da alta taxa de criminalidade em alguns
aglomerados do municpio de Belo Horizonte e, por conta disso, a participao no programa est
correlacionada com a taxa de criminalidade. O vis surge, muito provavelmente, pela correlao entre
determinantes no observveis da criminalidade e da participao, considerando-se uma estimao por MQO.
O que se deseja saber :
( ) 19 ( ) ( ) ( ) 1 | 1 | 1 |
0 1 0 1
= = = = =
j j j j j j j
D I E D I E D I I E I
Onde:
=
programa do participou censitrio setor o se , 1
programa do participou no censitrio setor o se , 0
j
j
D
j
A varivel I representa o impacto esperado do programa, mais especificamente, a diferena na taxa de
criminalidade aps o programa e a prevalecente antes de seu incio, tal que em cada setor:
=
=
programa do participa censitrio setor o se , 1
programa do participa no censitrio setor o se , 0
:
j q
j q
I
jq
Contudo, o que se tem, na verdade, ( ) ( ) 0 | 1 |
0 1
= = =
j j j j
D I E D I E G , com o vis dado por
( ) 20 ( ) ( ) 0 | 1 |
0 0
= = =
j j j j
D I E D I E V .
O impacto desejado do programa negativo, ou seja, espera-se que
( ) ( ) . 0 1 | 1 |
0 1
= =
j j j j
D I E D I E Uma vez que o programa direcionado para locais com taxas de
homicdio mais alarmantes, muito provvel que ( ) ( ) 0 0 | 1 |
0 0
= =
j j j j
D I E D I E , o que implica um
impacto subestimado do programa na reduo da criminalidade. Ainda, como est sendo aplicado um modelo
de probabilidade linear, de se esperar que os resduos sejam heterocedsticos, fazendo com que os
coeficientes estimados por MQO sejam ineficientes, embora ainda no-viesados e consistentes. Uma
conseqncia direta seria o possvel aparecimento de coeficientes poucos significativos e com o sinal
diferente do esperado. O problema da inferncia poderia ser parcialmente resolvido com uso da matriz de
varincia-covarincia apropriada e, com efeito, esse problema pode no ser to grave caso a amostra seja
suficientemente grande.
Especificao economtrica
Dentre as tcnicas mais recorrentes na literatura para se tratar o problema exposto acima, esto o uso
de matching, variveis instrumentais e double-difference. Discusses dos dois primeiros mtodos encontram-
se, respectivamente, em Rosenbaum e Rubin (1983) e Heckman (1997). O uso de um ou outro mtodo difere,
por exemplo, devido natureza dos dados disponveis. O mtodo a ser adotado aqui o terceiro e ser
descrito a seguir.
Uma possvel especificao para estimar o impacto do programa seria definida pelos parmetros j
propostos na equao 18 do modelo com a incluso da varivel da dummy D
j
que apresenta valor igual a 1 se
o setor censitrio pertence ao Aglomerado Morro das Pedras e 0, caso contrrio.
( ) 21
j j s s s s s
D Z S t y
j j j j j
+ + + + + + =
5 4 3 2 1 0
Se o coeficiente sobre a dummy
j
D significativo estatisticamente e com o sinal esperado, podemos
confortavelmente inferir que o programa efetivo no combate criminalidade. Mas se o impacto estimado
no for significativo, ainda assim o programa pode ser efetivo, caso no qual sua eficcia pode estar sendo
mitigada por uma possvel existncia de vis e pela ineficincia causada por resduos heterocedsticos.
Uma segunda especificao poderia eliminar o problema do vis, contanto que determinantes no
observveis da criminalidade, os quais sejam possivelmente correlacionados com determinantes no
observveis da participao no programa, no tenham se alterado durante o perodo de anlise.
8
Seja a
equao ( ) 18 determinante das taxa de criminalidade antes da implantao do programa Fica Vivo e a
equao ( ) 21 determinante do crime aps um perodo transcorrido do projeto. Possibilitamos agora que os
8
Esse mtodo conhecido como Double Difference.
resduos contenham variveis que so correlacionadas com a participao no programa. Mais ainda, supondo
que as variveis que esto em termos de porcentagem tenham permanecido constante durante esse perodo
(certa inrcia social) e que as variveis iniciais tambm determinam a variao na taxa de criminalidade, a
diferena entre as duas ser:
( ) 22 ( ) ( )
jb jb j s s s s b s s
D Z S t y y
b
j
a
j jb jb jb ja
+ + + + + + =
5 4 3 2 1 0
Onde os subscritos a e b denotam os perodos anteriores e posteriores ao incio do programa, e os
resduos
ja
e
jb
so termos aleatrios no correlacionados com
j
D . Por hiptese, o modelo de regresso
acima estimado por MQO deve fornecer coeficientes no-viesados. A equao ( ) 22 ser aquela usada para
estimar o impacto do Fica Vivo.
Devido natureza dos dados, algumas modificaes tero que ser feitas para que seja estimada uma
equao semelhante ( ) 22 . As principais so: 1) A idade do indivduo ser captada atravs de variveis
dummy para faixas etrias; 2) No lugar da educao do indivduo, iremos colocar a educao do responsvel
da residncia onde mora a pessoa. Aqui escapamos do problema de os anos de estudo estarem possivelmente
correlacionados com os determinantes da criminalidade e, conseqentemente, com o termo residual na
equao ( ) 22 . Ainda, a especificao ser flexibilizada no sentido de captar uma possvel relao no-linear
nas variveis, mais especificamente, na educao. Contudo, ser preciso conciliar o dado relativo ao
domiclio e pessoa, como ser detalhado mais adiante. Os anos de estudo do responsvel do domiclio
tambm sero captados atravs de variveis dummy.
Construo das variveis
Seja
2
o espao mtrico, B a rea do municpio de Belo Horizonte, e
j
B o conjunto representado
por todos os pontos dentro da rea geogrfica
j
B , isto , o setor censitrio j . Assim sendo,
U
J
j
j
B B
1 =
= , e
l w B B
l w
= int int , onde J o nmero de setores censitrios que compe Belo Horizonte e int
denota o interior de um conjunto, ou seja, a unio de todos os conjuntos abertos nele contidos.
Tem-se P o conjunto de todas as pessoas que moram em B tal que { }
j i i j
B p P p P int em reside : =
e
U
J
j
j
P P
1 =
= . Ainda, [ ] { } b a p P p P
i j i jt
b a
, de idade : =
e [ ) { } b a p P p P
i j i jS
b a
, de estudo de anos : =
.
Denota-se R o conjunto de todos os domiclios em B tal que { }
j l l j
B r R r R int : = e
U
J
j
j
R R
1 =
= .
Continuando, tem-se que [ ) { } b a r R p R
l j i S j
l
pr b a
l
pr
, de l responsve do estudo de anos : =
. O conjunto C
aquele de todos os crimes em B tal que { }
j k k j
B c C c C int em ocorreu : = e
U
J
j
j
C C
1 =
= .
Finalmente, define-se M o conjunto de todos os pontos dentro da regio geogrfica que constitui o
Aglomerado Morro das Pedras e { } M B B B M
j j B
j
= : . Logo, segue que:
j
n
i
ij
S
j j k i
ij
n
y
y
B C c p
y
j
j
=
=
=
1
contrrio caso , 0
int em reside e cometeu se , 1
j
n
i
b a
ij
b a
S
jt i
ij
jt i
ij
jt i
ij
jt i
ij
jt i
ij
jt i
ij
jt i
ij
jt i
ij
ij
n
t
t
P p
t
P p
t
P p
t
P p
t
P p
t
P p
t
P p
t
P p
t
t
j
j
=
+
1
80
79 70
69 60
59 50
49 40
39 30
29 20
19 10
contrrio caso , 0
se , 1
contrrio caso , 0
se , 1
contrrio caso , 0
se , 1
contrrio caso , 0
se , 1
contrrio caso , 0
se , 1
contrrio caso , 0
se , 1
contrrio caso , 0
se , 1
contrrio caso , 0
se , 1
80
79 70
69 60
59 50
49 40
39 30
29 20
19 10
,
j
n
i
b a
ij
b a
S
S j i l
ij
S j i l
ij
S j i l
ij
S j i l
ij
S j i l
ij
S j i l
ij
ij
n
S
S
R p nr
S
R p nr
S
R p nr
S
R p nr
S
R p nr
S
R p nr
S
S
j
j
l
pr
l
pr
l
pr
l
pr
l
pr
l
pr
=
+
1
17
17 16
16 15
15 11
11 8
8 4
contrrio caso , 0
se , 1
contrrio caso , 0
se , 1
contrrio caso , 0
se , 1
contrrio caso , 0
se , 1
contrrio caso , 0
se , 1
contrrio caso , 0
se , 1
17
17 16
16 15
15 11
11 8
8 4
Onde nr representa o nmero de moradores da residncia r . O motivo pelo qual se divide a dummy
pelo nmero de moradores da residncia que, caso contrrio, seria captado no somente o impacto da
educao do responsvel sobre a deciso do indivduo de cometer o crime, mas tambm o impacto do
tamanho da populao de um domiclio sobre a probabilidade de o agente se tornar criminoso. Por exemplo,
fcil ver que se as famlias cujo responsvel tem anos de estudo [ ) 8 , 4 tambm so as que possuem a
maior concentrao de pessoas por domiclio, a varivel dummy sem a ponderao refletiria esse vis.
=
contrrio caso , 0
se , 1 M B
D
j
j
,
j k
K
k
k
j
C c
K
tc
=
=
,
1
j
n
i
ij
S
J
j
j
nj
i
i
ij ij ij
n
desig
desig
J
n
W
W desig Z
j
j
=
=
=
= = =
1
1
1
,
j k
K
k
k
j
C c
K
tc
=
=
,
1
Onde tc o tempo decorrido em minutos desde a chamada registrada pela polcia da ocorrncia do
crime
k
c at a chegada da polcia no local especificado pelo informante, e K o nmero de crimes
j
C .
4. Resultados
As tabelas seguintes mostram os resultados das regresses por MQO do impacto do programa na
variao da taxa de criminalidade antes e aps a implantao do programa Fica Vivo. Foram adotadas duas
especificaes diferentes com relao idade: na primeira adotamos uma relao linear ao passo que na
segunda pressupomos a forma polinomial de ordem trs. Cada tabela possui o resultado de trs regresses
que diferem umas das outras com relao aos controles utilizados e a introduo de uma varivel de interao
entre a presena da polcia e a dummy do programa. Um resultado provvel ao se estimar o modelo sem a
incluso da varivel que mede a mudana na presena da polcia no Morro das Pedras o vis no coeficiente
da dummy de participao. Como foi detalhado anteriormente, um dos campos de atuao do programa na
melhoria da atuao da polcia na represso criminalidade. Uma vez que a presena da polcia e
participao no crime devem ser negativamente correlacionadas, o coeficiente sobre a varivel de interesse
ter um vis para baixo, podendo levar falsa concluso de que os setores contidos no MDP tiveram uma
variao na taxa de criminalidade inferior mdia por motivos outros que no a melhoria no policiamento.
A estratgia da incluso da varivel de interao, mesmo aps controlar para a presena da polcia, se
justifica caso o programa afete o impacto da ao policial no combate ao crime. Como mencionado na seo
anteriormente no artigo, o programa atua no sentido de facilitar e agilizar o trabalho da PMMG tornando sua
ao mais eficiente nos locais de abrangncia do programa. Se o programa realmente for efetivo nesse
sentido, ao no se incluir essa varivel, o modelo estar mal especificado o os coeficientes sero viesados.
Mais especificamente, o coeficiente sobre a dummy ter um vis para cima. Como conseqncia, pode-se ter
a impresso de que o programa no seja eficiente quando na verdade pode se ter o contrrio. Um resultado
importante com introduo da varivel de combinao a capacidade de testar para a efetividade do
programa atravs de mecanismos diferentes da represso, ligados s atividades de preveno.
Tabela 1
Impacto do Programa Fica Vivo sobre a Variao da Taxa de Criminalidade no Perodo
2000-2004 Especificao I
2000 2004 j j
s s
y y
( ) 1 ( ) 2 ( ) 3
j
D
* * 011019 . 0
( ) 005187 . 0
009797 . 0
( ) 009225 . 0
* * * 026414 . 0
( ) 015555 . 0
j j
D
000025 . 0
( ) 000021 . 0
value) - (p test - F 000000 . 0 000000 . 0 000000 . 0
2
R
164192 . 0 203937 . 0 204061 . 0
Controles
b a
S
j
t
b a
S
j
S
j
S
desig
2000 2004
j j
s s
Notas: Desvio padro de Newey-West entre parnteses (i.e., covarincias consistentes para autocorrelao e
heterocedasticidade). *** Significante a 10%. ** Significante a 5%. * Significante a 1%. O indica que essa
varivel foi includa na especificao.
Na tabela 2 pode-se ver que possibilitando uma relao no-linear para a varivel de idade melhora
bastante o ajuste da regresso. Assim como acontece na tabela um, a trajetria dos coeficientes estimados
passando-se da coluna 1 para a coluna 3 anloga, com a diferena que agora os mesmos so mais
significativos. Ainda, o coeficiente sobre a varivel de interao agora significante a passo que no o na
primeira tabela. Vale salientar tambm que o impacto marginal da eficincia da polcia maior para os
setores do MDP, e que na mdia, a taxa de criminalidade reduziu aproximadamente 2.7% para esses setores.
Tabela 2
Impacto do Programa Fica Vivo sobre a Variao da Taxa de Criminalidade no Perodo
2000-2004 Especificao II
2000 2004 j j
s s
y y
( ) 1 ( ) 2 ( ) 3
j
D
* 016177 . 0
( ) 004825 . 0
005955 . 0
( ) 009810 . 0
* * 026994 . 0
( ) 012771 . 0
j j
D
* * * 000032 . 0
( ) 000019 . 0
value) - (p test - F 000000 . 0 000000 . 0 000000 . 0
2
R
676490 . 0 736067 . 0 736266 . 0
Controles
b a
S
j
t
b a
S
j
S
j
S
desig
2000 2004
j j
s s
Notas: Desvio padro de Newey-West entre parnteses (i.e., covarincias consistentes para autocorrelao e
heterocedasticidade). *** Significante a 10%. ** Significante a 5%. * Significante a 1%. O indica que essa
varivel foi includa na especificao.
5. Concluso
O presente artigo uma primeira contribuio no sentido de se avaliar o impacto do programa Fica
Vivo na criminalidade usando uma perspectiva econmica. Inspirado em um modelo de equilbrio geral do
crime e no conhecimento do programa para a especificao economtrica, o presente estudo usou o mtodo
de difference-in-difference na tentativa de se obter o efeito do Fica Vivo. A despeito dos problemas
estatsticos listados, os quais dificultariam captar algum impacto seja pelo problema de vis ou pela
existncia de heterocedasticidade, foi possvel encontrar alguns resultados importantes.
Os resultados mostram uma relao significativa e negativa entre a presena do programa e a
criminalidade nos setores censitrios contidos na regio do Morro das Pedras, que foi a regio piloto. Em
mdia, a criminalidade nessas regies reduziu aproximadamente 2.7% em relao s demais localidades no
perodo analisado. importante ressaltar, entretanto, que polticas de combate e preveno criminalidade
como as aes adotadas pelo Programa Fica Vivo podem apresentar resultados mais robustos no longo prazo.
Foi encontrada ainda uma correlao negativa entre a varivel indicativa da presena policial e a varivel de
participao no programa, j que a significncia da segunda se reduz drasticamente quando se inclui a
primeira como varivel de controle no modelo. Ainda, os resultados sugerem que o programa melhorou de
alguma forma a atuao da polcia na regio do Morro das Pedras, efeito que foi captado pela varivel de
interao e que fundamental, tendo em vista que esse era um dos focos de atuao.
Contudo, poderia se argumentar que os resultados acima encontrados provm no da ao do
programa em si, mas de certa dinmica criminal no Morro das Pedras, antes da implantao do Fica Vivo,
diferente das demais regies. Se a criminalidade nos setores contidos na rea de tratamento estivesse
sofrendo um processo de queda antes do incio do programa, os resultados refletiriam essa dinmica, de tal
forma que a relao entre o programa e a reduo do crime encontrada seria espria. Com efeito, a taxa de
criminalidade no MDP subiu entre 2000 e 2001, enquanto que para Belo Horizonte, a taxa teve um leve
declnio, como se pode observar no grfico 4. Nesse caso, a magnitude do impacto do programa deveria
aumentar ao se fixar 2001 como a situao da criminalidade antes do Fica Vivo.
Precisa-se ter, entretanto, cuidado ao afirmar que o programa em anlise realmente efetivo no
combate criminalidade. Um dos motivos seria a possibilidade de migrao do crime da regio de tratamento
para outras regies vizinhas, em busca de um ambiente mais favorvel atividade criminal. Essa
possibilidade no tratada aqui, e estudos posteriores deveriam fazer uma investigao mais aprofundada
com o intuito de esclarecer essa questo.
Bibliografia
BECKER, G. (1968). Crime and Punishment: an economic approach. Journal of Political Economy, 76,
169-217.
BEATO F. (1998). Determinantes da criminalidade em Minas Gerais. Revista Brasileira de Cincias
Sociais, 37, 1-19.
BURDETT, K., LAGOS, R., WRIGHT, R. (2003). Crime, inequality and unemployment. American
Economic Review, 93, 1764.
DI TELLA, R., SCHARGRODSLY, E. (2004). Do Police Reduce Crime? Estimates Using the Allocation
of Police Forces after a Terrorist Attack. American Economic Review, 94, 115-133. .
FAJNZYLBER, P., LEDERMAN, D., LOAYZA, N. (2000). What Causes Violent Crime? European
Economic Review, 46, 1323-1357.
FARRINGTON, D. (2003). Methodological quality standards for evaluation research. Annals of The
American Academy of Political and Social Science, 587, 49-68.
FENDER, J. (1999). A general equilibrium model of crime and punishment. Journal of Economic
Behavior and Organization, 39, 437-53.
HECKMAN, J., LOCHNER, L., Taber, C. (1998). Tax policy and human capital formation National
Bureau of Economic Research, Working Paper No 6462.
HECKMAN, J., LOCHNER, L., Taber, C. (1999). General equilibrium cost-benefit analysis of education
and tax policies National Bureau of Economic Research, Working Paper No 6881
HECKMAN, J. (1997). Instrumental variables. A study of implicit behavioral assumptions used in making
program evaluations. Journal of Human Resources, 32(3), 441-461.
IMROHOROGLU, Ayse; MERLO, Antonio; RUPERT, Peter (1996). On the political economy of income
redistribution and crime. Federal Reserve Bank of Minneapolis, Minneapolis, Research Department Staff
report 216.
INFORMATIVO. Programa Fica Vivo: aes simples, resultados efetivos. Belo Horizonte, CRISP, ano 1, n. 5,
fev. 2003.
LEITE, Flvia Lana. O Programa Fica Vivo: uma anlise sob a perspectiva do capital social. Fundao Joo
Pinheiro, Belo Horizonte, mimeo.
LIPSEY, M., CHAPMAN, G., LANDENBERGER, N. (2001). Cognitive-Behavioral Programs for Offenders.
Annals of The American Academy of Political and Social Science, 578, 144-157.
LJUNGQVIST, L., SARGENT, T. J. (2000) Recursive Macroeconomic Theory. Cambridge: MIT Press.
LOCHNER, L, MORETTI, E. (2004). The Effect of Education on Crime: evidence from prison inmates,
arrests, and self-reports. The American Economic Review, 94, 155-189.
LOCHNER, Lance (2004). Education, Work and Crime: a human capital approach. NBER, Cambridge,
working paper 10478.
LSEL, F., BEELMANN, A. (2003). Effects of child skills training in preventing antisocial behavior: a
systematic review of randomized evaluations. Annals of The American Academy of Political and Social Science,
587, 84-109.
McCORD, J. (2003). Cures that harm: unanticipated outcomes of crime prevention programs. Annals of
The American Academy of Political and Social Science, 578, 16-30
MELTZER, D. (2001). Addressing uncertainty in medical cost-effectiveness analysis: implication of
expected utility maximization for methods to perform sensitivity analysis and the use of cost-effectiveness
analysis to set priorities to medical research. Journal of Health Economics, 20, 109-119.
MINAS GERAIS. Decreto n 43.334, de 20 de maio de 2003. Cria o Programa de Homicdios do Estado de
Minas Gerais. Minas Gerais, Belo Horizonte. 21 maio 2003a. Dirio do executivo, legislativo e judicirio.
Caderno 1, p. 2-3
MINAS GERAIS. Secretaria de Estado de Defesa Social. Projeto controle de homicdios: Fica Vivo! Belo
Horizonte, 2003d.
RAVALLION, M. Thje mistery of vanishing benefits: Mr Speedy analists introduction to evaluation. World
Bank.
RONDON, V., ANDRADE, M. (2003). Custo da criminalidade em Belo Horizonte. Economia, 4, 223-260
ROSENBAUM, P., RUBIN, D. (1983). Constructing a control group using multivariate matched sampling
models that incorporate the propensity score. American Statistician, 39, 35-39.
WELSH, B., FARRINGTON, D. (2001). Toward and evidence-based approach to preventing crime. Annals of
The American Academy of Political and Social Science, 578, 158-173.
WEISBURD, D., LUM, C., PETROSINO, A. (2001). Does Research Design Affect Study Outcomes in
Criminal Justice?. Annals of The American Academy of Political and Social Science, 578, 50-70.