Faculdade de Economia,

Administrao e Contabilidade
de Ribeiro Preto
Universidade de So Paulo

Texto para Discusso

Srie Economia

TD-E 03 / 2011
Um modelo espacial de
criminalidade para a Cidade de
So Paulo
Prof. Dr. Alexandre Sartoris Neto

Av. Bandeirantes, 3900 - Monte Alegre - CEP: 14040-900 - Ribeiro Preto-SP

Fone (16) 3602-4331/Fax (16) 3602-3884 - e-mail: cebelima@usp.br site:www.fearp.usp.br

Av. Bandeirantes, 3900 - Monte Alegre - CEP: 14040-900 - Ribeiro Preto - SP

Fone (16) 3602-4331/Fax (16) 3602-3884 - e-mail: cebelima@usp.br site: www.fearp.usp.br
 Universidade de So Paulo
Faculdade de Economia, Administrao e Contabilidade
de Ribeiro Preto

Reitor da Universidade de So Paulo

Joo Grandino Rodas

Diretor da FEA-RP/USP
Sigismundo Bialoskorski Neto

Chefe do Departamento de Administrao

Marcos Fava Neves

Chefe do Departamento de Contabilidade

Adriana Maria Procpio de Arajo

Chefe do Departamento de Economia

Walter Belluzzo Junior

CONSELHO EDITORIAL

Comisso de Pesquisa da FEA-RP/USP

Faculdade de Economia, Administrao e Contabilidade de Ribeiro Preto

Avenida dos Bandeirantes,3900
14049-905 Ribeiro Preto SP

A srie TEXTO PARA DISCUSSO tem como objetivo divulgar: i) resultados de

trabalhos em desenvolvimento na FEA-RP/USP; ii) trabalhos de pesquisadores de
outras instituies considerados de relevncia dadas as linhas de pesquisa da
instituio. Veja o site da Comisso de Pesquisa em www.cpq.fearp.usp.br.
Informaes: e-mail: cpq@fearp.usp.br

Av. Bandeirantes, 3900 - Monte Alegre - CEP: 14040-900 - Ribeiro Preto-SP

Fone (16) 3602-4331/Fax (16) 3602-3884 - e-mail: cebelima@usp.br site:www.fearp.usp.br
Um Modelo Espacial de Criminalidade para a Cidade de So Paulo

Alexandre Sartoris
asartoris@uol.com.br

RESUMO

Este trabalho tem como objetivo estimar um modelo emprico para trs tipos de crime no
municpio de So Paulo: homicdios, roubos e furto de veculos. O trabalho usa como
unidades geogrficas as reas de atuao dos distritos policiais e leva em conta possveis
efeitos espaciais entre as variveis. Os resultados mostram diferenas importantes quando
tratamos com crimes contra a pessoa e contra a propriedade.

Palavras chave: Economia do Cime, Econometria Espacial, Homicdio, Roubo, Furto.

ABSTRACT

This work aims to estimate an empirical model for three kinds of crime in Sao Paulo city:
homicides, robberies and car thefts. It uses as geographical units the areas belonging to
each police districs and takes in account spatial effects among the variables. The results
show important differences when we deal with crime against people and crime against
property.

Key words: Economics of Crime, Spatial Econometrics, Homicide, Robbery, Theft.

Departamento de Economia, Campus Araraquara, Universidade Estadual Paulista UNESP.

1. Introduo

Um modelo economtrico , em essncia, composto de uma varivel a ser

explicada e as variveis que supostamente fazem esta explicao. O que distingue um
modelo economtrico e seus problemas de um modelo estatstico comum o fato de
que o objeto de estudo a sociedade.
Neste sentido, um modelo economtrico pode ser aplicado a uma gama de
aplicaes empricas a toda sorte de questes sociais, no necessariamente econmicas.
Vale dizer, possvel que um modelo economtrico, assim chamado, tenha seu fundamento
no na teoria econmica, mas em outra cincia social.
Assim, poder-se-ia imaginar que modelos economtricos sobre crime apareceram
independentemente de uma teoria econmica do crime, mas este no o caso.
Evidentemente, h questes ligadas atividade do crime que so intrinsecamente ligadas
Economia, como o custo social associado presena de maior ou menor criminalidade ou
de gastos em segurana pblica. A partir do trabalho de Becker (1968), os economistas
passaram a enxergar o crime com outra viso.
J no era nova a idia de que o mercado de trabalho poderia ser tratado como a
escolha de um indivduo, da mesma forma que ele escolhe bens. Dependendo de sua renda
e dos preos dos bens, escolher aquela combinao de bens que lhe trar maior bem estar.
Se o preo do trabalho (salrio) for alto, pode optar por trabalhar mais a abrir mo de tempo
de lazer. Um indivduo com maior dotao de riqueza pode, entretanto, optar por mais
tempo de lazer.
O trabalho de Becker estende este conceito ao crime. Dependendo dos benefcios e
dos custos penalidades o indivduo escolhe entre horas dedicadas ao trabalho legal ou
ao ilegal.
A idia deste trabalho estimar um modelo para trs tipos de crime no municpio
de So Paulo, isto , verificar empiricamente, como o nmero de crimes em pequenas
regies do municpio (justamente as regies abrangidas por cada distrito policial), reage a
um conjunto de variveis.

2. A abordagem econmica do crime.

 Na abordagem econmica do crime, especialmente no que se refere motivao
do crime, este visto, via de regra, como um comportamento racional, isto , uma escolha
de uma pessoa ou grupo de pessoas de como utilizar seu tempo, entre atividades legais ou
criminosas. Para fazer esta escolha, considera-se que os indivduos tm conhecimento, no
necessariamente perfeito, dos custos e benefcios associados a ela, ou seja, o crime visto
como uma atividade econmica qualquer. Esta abordagem segue a linha, entre outros, de
Becker(1968), Ehrlich(1973 e 1996) e Block e Heineke(1975).

Esta abordagem aparece com destaque na literatura a partir do artigo seminal de

Becker(1968), em que o autor define uma funo matemtica para o nmero de crimes
cometidos por um indivduo, isto , que ele escolhe cometer, portanto uma funo oferta
de crimes:

Nesta funo, o nmero de crimes cometido pelo indivduo depende do retorno

(utilidade) da atividade criminosa, seja ele monetrio ou psicolgico; da probabilidade
deste indivduo ser condenado; da desutilidade decorrente da punio recebida pelo crime
(ou seu equivalente monetrio), alm de outras variveis que podem influir na escolha do
indivduo entre cometer ou no um crime. Por exemplo, um aumento na renda disponvel
em atividades legais, ou uma melhoria em fatores como educao poderiam levar a uma
reduo no incentivo atividade criminal. Ou ainda, uma modificao no tipo de punio:
uma mudana de multa para priso poderia reduzir, ainda que temporariamente, o nmero
de crimes pois, enquanto durasse seu encarceramento no poderia cometer crimes.

Como somente criminosos condenados so punidos, h uma discriminao de

preo acompanhada de incerteza pois, se for condenado, ele paga uma pena por crime em
que for condenado e no paga nada se no for.

Um aumento na probabilidade de ser punido ou na punio tender a reduzir o

nmero de crimes cometidos, pois reduzir a utilidade esperada dos mesmos, aumentando
assim a probabilidade de se pagar um preo mais alto.

Uma questo que se levanta nesta abordagem a resposta da funo o a variaes

na probabilidade ou na pena. Becker (1968) mostrou que, neste contexto, se os indivduos
potencialmente criminosos apresentarem preferncia ao risco, mudanas na probabilidade
de punio tero maior efeito; analogamente, mudanas nas penas tero maior efeito se
forem aversos ao risco e o efeito de mudanas nas penas ou na probabilidade de punio
sero equivalentes se forem neutros em relao ao risco.

A funo oferta de crimes de Ehrlich(1973) difere da de Becker por incluir

explicitamente o rendimento das atividades a serem escolhidas (legal e ilegal) e a
possibilidade de desemprego:

Ehrlich inclui a riqueza pessoal ou familiar, a eficincia do indivduo em se

proteger e a quantidade de seguro privado fornecido por sua famlia (ou organizao
criminosa)1.

O modelo oferece uma explicao de porque pessoas que se engajam em

atividades ilegais incorrem em reincidncia. O criminoso provavelmente repetir a
atividade ilegal no perodo subseqente se as oportunidades disponveis a ele
permanecerem inalteradas. Nas palavras de Ehrlich(1973, p.529): Reincidncia no
necessariamente, portanto, o resultado de miopia, comportamento errtico, ou falta de
autocontrole por parte do criminoso, mas o resultado de escolha ditada por oportunidades2.

Na anlise de Block e Heineke(1975), h a diferena de que os autores incluem

explicitamente os tempos gastos nas atividades legal e ilegal na funo utilidade esperada,
onde, semelhana da escolha entre trabalho e lazer tpica dos livros texto de
microeconomia, a utilidade do trabalho negativa..

Nesta abordagem, o comportamento em relao ao risco, no define integralmente

o comportamento do indivduo dadas as oportunidades, o que difere das abordagens
anteriores de Becker e Ehrlich. Consideremos um indivduo para o qual a desutilidade do
trabalho legal seja menor do que a do trabalho ilegal (que Block e Heineke definem como
um indivduo que tem preferncia pela honestidade). Se este for averso ao risco, uma
condio necessria, mas no suficiente para que este engaje em atividades ilegais que os
retornos destas atividades sejam maiores que os custos esperados (que consistiriam na pena
mais os custos de oportunidade da atividade legal no realizada durante o tempo
disponvel).

Gaviria(2000) acrescenta algumas explicaes para o fenmeno da criminalidade.

1
O nvel do seguro relevante por ser possvel um seguro contra o desemprego.
2
Traduo do autor.
 Uma delas o que ele chama de congestionamento da imposio da lei3, que a
relao positiva entre a probabilidade de ser punido e a taxa de criminalidade. Isto , quanto
maior o nmero de crimes, mais difcil se torna punir os criminosos, tomando como
constantes os recursos policiais. E, como se torna mais difcil punir os criminosos (reduo
em p), a criminalidade aumenta. Este argumento tem implcita a suposio de que o
aumento da criminalidade implica num maior nmero de pessoas cometendo crimes. Se o
aumento de crimes se d pelo mesmo nmero de pessoas cometendo mais crimes cada uma,
o argumento no necessariamente vlido.

Gaviria tambm aponta uma inrcia na taxa de crimes. Esta inrcia tem diferentes
causas: segundo Sah(1991) as pessoas estimam a probabilidade de ser punido baseado em
uma amostragem de seus vizinhos, usando para isso informaes passadas e presentes.
Isto implica que um aumento nos gastos com segurana teriam um efeito muito pequeno no
curto prazo. Uma outra fonte de inrcia apontada por Freeman, Grogger e Sonstelie(1996)
que altas taxas de criminalidade hoje podem levar a jovens desistirem da educao formal
em virtude de perspectivas de retornos mais altos em atividades ilegais no futuro, o que os
levar a ter menos acesso ao mercado de trabalho legal.

Gaviria ainda aponta a questo da aprendizagem como causa da propagao do

crime dentro e fora de uma regio geogrfica, que se d, por exemplo, pelo convvio de
criminosos em prises. No caso especfico da Colmbia, seu foco de estudo, Gaviria aponta
a aprendizagem causada pelos cartis do narcotrfico. Estes teriam um papel anlogo ao de
firmas multinacionais em pases menos desenvolvidos, cujas firmas locais se beneficiam da
transferncia de tcnicas de produo, gerenciamento e marketing. Da mesma forma4
criminosos locais poderiam se beneficiar do conhecimento dos cartis em compra de armas
em mercados negros internacionais, lavagem de dinheiro e mesmo conexes dentro de
rgos policiais.

3. Dados e Metodologia

3
Do original congestion in law enforcement.
4
A analogia entre crime organizado e a Teoria da Firma comum dentro da literatura de abordagem
econmica do crime (v. Hellman e Alper(1997), captulo 10).
 O objetivo deste trabalho estimar um modelo emprico para o crime no
municpio de So Paulo no ano de 2001, nos moldes do proposto por Becker (1968). Sero
objeto de estudo trs tipos de crimes: homicdios dolosos, roubos e furtos de veculos. Esta
escolha se deu por se tratarem de crimes com caractersticas bastante distintas.

O homicdio doloso se enquadra nos chamados crimes contra a pessoa. Embora

possa ter motivaes materiais, estas tambm podem ser de ordem pessoal, social
disputas de poder locais, por exemplo. O roubo, embora com motivaes materiais, um
crime que praticado mediante um ato violento, enquanto o furto de veculos de natureza
puramente material, tcnica, e cuja prtica no necessita o uso de violncia.

Os dados so provenientes dos 93 distritos policiais existentes no municpio de

So Paulo. Esta subdiviso no deve ser confundida com a diviso em 96 distritos
censitrios, normalmente utilizada pelo IBGE, embora em muitos casos seja bastante
semelhante. Estes dados so coletados pela Centro de Anlise Criminal da Secretaria de
Segurana Pblica e disponveis em banco de dados fornecido pelo Consrcio de
Informaes Sociais.

Entre as variveis explicativas a serem utilizadas est a renda dos distritos, medida
em unidades de salrio mnimo. Para incorporar ao debate se a renda propriamente dita,
ou se na verdade a distribuio de renda nos distritos que explica a criminalidade, o
coeficiente de Gini em cada distrito ser includo. Cumpre notar que a distribuio de renda
fortemente correlacionada com a renda, no caso do municpio de So Paulo distritos
com pior distribuio de renda tendem a ser os que tm menor renda mdia mas, como
esta correlao no perfeita, a comparao pode ser feita. A populao do distrito na faixa
etria dos 15 aos 24 anos, visto que esta faixa etria que produz, supostamente, o maior
nmero de praticante de delitos criminais. Estas variveis tm como fonte o IBGE.

Uma outra varivel a ser includa representa um conhecido vilo na questo do

aumento da criminalidade, que so as favelas. Ser includa no modelo a rea total ocupada
por favelas em cada distrito. A fonte deste dado a Prefeitura do Municpio de So Paulo.
 A probabilidade de punio que, como foi visto na seo anterior, uma varivel
fundamental neste tipo de abordagem, uma varivel de difcil mensurao, at porque se
trata de uma percepo subjetiva. O equivalente objetivo seria a razo do nmero de crimes
resolvidos e que resultaram em condenao em relao ao nmero total de crimes. A
medida correta desta varivel necessitaria o acompanhamento da apurao dos crimes. Uma
varivel proxy que seria uma certa medida da eficcia da polcia e, por extrapolao, do
sistema de imposio da lei como um todo, a razo entre o nmero de prises efetuadas e
o total de crimes5. Como os dados so de corte seccional, j que se referem ao ano de 2001,
no so propriamente uma probabilidade, j que muitas das prises certamente no se
referem a crimes cometidos no mesmo perodo, no nem garantido que seja um valor
inferior a um (embora na prtica esta seja a regra). Entretanto, do ponto de vista de tentar
medir a percepo dos indivduos do maior risco de serem capturados, parece ser uma
medida adequada, visto que, se ocorrem relativamente mais ou menos prises, isto deve
afetar a maneira de como o criminoso ou o potencial criminoso percebe o risco de se
envolver numa atividade ilegal.

Outra varivel comumente presente na abordagem econmica a intensidade das

penas propriamente dita. Esta varivel no est includa nos modelos discutidos neste
trabalho porque neste caso no , exatamente, uma varivel, j que evidentemente no h
diferena de cdigo penal entre distritos, a incluso desta varivel s faria sentido se o
estudo contemplasse uma srie histrica onde houvesse uma mudana na legislao.

Tambm ausente, mas por motivos menos bvios, uma varivel relativa ao
desemprego. Esta ausncia decorre do fato de que boa parte dos estudos e instituies que
acompanham o mercado de trabalho mede, na maioria das vezes, o emprego disponvel em
cada distrito, e no o desemprego. Tal distino seria irrelevante em se tratando de um pas,
ou de unidades geogrficas suficientemente distantes entre si de tal modo que o
deslocamento da fora de trabalho no ocorresse ou fosse suficientemente pequeno, o que
certamente no o caso dos distritos. A incluso da varivel emprego, neste caso, traria

5
O mesmo mtodo foi utilizado por Almeida(2007).
mais distores do que informaes. Trabalharemos ento, com a hiptese necessria, ainda
que um tanto forte, que o desemprego uniforme ao longo do municpio de So Paulo.

O aspecto geogrfico do trabalho suscita ainda algumas questes. Um equvoco

muito comum neste tipo de trabalho considerar as unidades geogrficas a regio
abrangida pelos distritos policiais, neste caso so pequenas ilhas, isto , desconsiderar o
efeito que acontecimentos em um distrito podem ter em outro. Este tipo de efeito espacial
incorporado ao modelo de trs maneiras.

Uma maneira de incorporar este tipo de efeito a incluso da varivel que mede a
razo entre prises em crimes, no s para o distrito em questo, mas tambm para os seus
vizinhos. Na prtica, includa uma varivel que a mdia desta medida para os vizinhos
mais prximos.

Este procedimento tambm feito para a varivel dependente, o nmero de

crimes, em cada um dos modelos, ou seja, uma das variveis que explicariam o nmero de
homicdios em um distrito seria a mdia do nmero de homicdios ocorridos nos distritos
vizinhos. Este termo conhecido, na literatura de Estatstica e Econometria Espacial como
termo auto-regressivo espacial, cujo coeficiente usualmente representado pela letra grega
.

Alm disso, tambm ser includa uma estrutura espacial no erro (termo aleatrio)
da regresso. Se o termo aleatrio de uma observao depende do termo aleatrio de outra,
dizemos que h autocorrelao dos erros. Quando os dados so distribudos no espao, este
fenmeno conhecido como autocorrelao espacial. A presena deste efeito num modelo
indica que a varivel dependente explicada por variveis omitidas ou no observveis
presentes em distritos vizinhos. Este termo conhecido na literatura como termo de erro
espacial e freqentemente representado pela letra grega .

A incluso de termos de auto-regresso e de autocorrelao espacial implicam em

problemas com as propriedades estatsticas dos estimadores quando obtidos pelo tradicional
mtodo dos mnimos quadrados. As estimaes apresentadas na seo seguinte foram todas
obtidas pelo mtodo da mxima verossimilhana6.

A tabela 1 mostra os valores mdios, mximos e mnimos de cada varivel

utilizada.

Tabela 1 Estatsticas descritivas das variveis utilizadas

Varivel Valor mdio Valor mnimo Valor mximo
Homicdios dolosos 55,03 2 234
Roubos 1724,15 457 4704
Furto de veculos 607,52 57 2052
Renda 11,55 5,17 23,13
Gini 0,4058 0,2058 0,4668
Populao 15-24 38310,11 4564 109462
Prises/Crimes 0,0536 0,0246 0,1203
rea favelas 11275,67 0 78163,05
Fonte: elaborao prpria a partir de dados do Consrcio de Informaes Sociais, Secretaria de Segurana
Pblica, IBGE e Prefeitura do Municpio de So Paulo.

4.Resultados

A tabela 2 mostra o resultado obtido para o crime de homicdio doloso.

6
Um melhor entendimento dos mtodos utilizados pela Econometria Espacial pode ser encontrado em
Anselin (1988).
Tabela 2 - varivel dependente: homicdios dolosos.
Modelo(1) Modelo(2) Modelo(3)
Constante 47,3433 29,7545 -32,7125
(32,6834) (24,9521) (22,5919)
Renda -2,6423** -2,4961**
(1,0723) (1,0833)
Gini 36,6218
(63,2119)
Populao 15-24 0,00087** 0,00094*** 0,0012***
(0,00034) (0,00033) (0,0003)
Prises/Crimes 126,6576 104,0236 251,7473
(196,0552) (194,4371) (188,0880)
Prises/Crimes (distritos vizinhos) -354,7463
(406,0865)
rea Favelas 0,1559 0,1533 0,1784
(0,1200) (0,1210) (0,1253)
Termo auto-regressivo () 0,4960*** 0,4390*** 0,5259***
(0,1543) (0,1602) (0,1461)
Termo de erro espacial () 0,0116 0,1140 -0,0240
(0,2628) (0,2513) (0,2613)
Coeficiente de determinao (R ) 2 0,6676 0,6610 0,6480

R2 ajustado 0,6485 0,6456 0,6320

Desvios-padro entre parnteses.

* significante a 10%.
** significante a 5%.
*** significante a 1%.

Os resultados do modelo (1) da tabela 2 apontam para a significncia da varivel

renda. O sinal negativo, inclusive, um resultado j esperado, tendo em vista que o crime
de homicdio tende realmente a ser mais freqente em regies mais pobres.

Tambm estatisticamente significante a varivel que mede a populao mais

jovem em cada distrito, o que provavelmente decorre do maior envolvimento de indivduos
desta faixa etria seja como criminosos, seja como vtimas.

A significncia do termo auto-regressivo bastante alta, por sinal combinada ao

sinal positivo, indicam um efeito de espalhamento dos homicdios, isto , um distrito
situado prximo a distritos com alto ndice de homicdios tende, tudo mais mantido
constante, a ter maior incidncia deste crime do que um outro distrito com vizinhos mais
pacficos.
 A eficcia da imposio da lei, medida pela razo entre prises e o nmero de
crimes no parece ser relevante para determinar o nmero de homicdios e o mesmo vale
para esta eficcia em distritos vizinhos. Quando observamos este resultado combinado
alta significncia do termo auto-regressivo, indica que uma poltica que reduza o nmero de
homicdios em um distrito pode ter efeito positivo na regio em que aplicada.

A maior presena de favelas nos distritos tambm no parece ser relevante para
determinar o nmero de homicdios. Evidentemente, distritos com maior nmero de favelas
tendem a apresentar renda menor, entretanto, uma vez considerada a renda, a relevncia das
favelas no se constata.

O fato de que o termo de erro espacial no significante indica que variveis em

outros distritos tem pouco efeito no nmero de homicdios exceto, claro, pelo prprio
nmero de homicdios, o que decorre da significncia do termo auto-regressivo.

No modelo (2) foi retirada a varivel prises/crimes observada nos distritos

vizinhos. Os resultados pouco mudaram, o que mostra que realmente esta varivel pouco
relevante. Nota-se um aumento esperado, por sinal do termo de erro espacial, mas ele
permanece no significante.

A diferena do modelo (3) para o anterior a substituio da varivel renda pelo

coeficiente de Gini, isto , ao confrontarem-se os dois modelos, procura-se testar qual a
melhor explicao para o nmero de homicdios, se a distribuio de renda ou a renda
propriamente dita. O que se observou que o coeficiente da varivel Gini, no modelo (3),
sequer significante, levando concluso de que de fato a renda um fator determinante
na explicao do nmero de homicdios.

Na tabela 3 so apresentados os resultados com a varivel roubos como

dependente.
Tabela 3 - varivel dependente: roubos.
Modelo(1) Modelo(2) Modelo(3)
Constante 840,44 2436,79*** 4060,46***
(2104) (740,8) (821,59)
Renda 42,9404* 30,2415
(23,357) (23,114)
Gini -3138,93**
(1418,8)
Populao 15-24 0,0093 0,01048 0,01022
(0,0070) (0,00663) (0,00599)
Prises/Crimes -17995,7*** -17982,7*** -18037,5***
(4424,4) (4157,3) (3941,2)
Prises/Crimes (distritos vizinhos) 17022,0
(15932)
rea Favelas 1,9554
(2,609)
Termo auto-regressivo () 0,1160 -0,1960 0,1908
(0,7873) (0,3492) (0,3299)
Termo de erro espacial () 0,2670 0,4970* 0,5210**
(0,7373) (0,2566) (0,2379)
Coeficiente de determinao (R ) 2 0,2966 0,3107 0,3372

R2 ajustado 0,2562 0,2875 0,3148

Desvios-padro entre parnteses.

* significante a 10%.
** significante a 5%.
*** significante a 1%.

Podemos observar que os resultados so bastante distintos. No modelo (1), a

varivel renda significante, mas apenas a 10%, e o seu sinal positivo, o que indica que
maior nmero de roubos tende a ocorrer em distritos mais ricos. No modelo (2), retirando-
se algumas variveis que no foram significantes no modelo (1), a renda passa a no ser
significante tambm.

A relao entre prises e crimes, por sua vez, altamente significante. O mesmo
no ocorre quando consideramos esta mesma varivel para os vizinhos. Quando esta ltima
retirada no modelo (2), entretanto, o termo de erro espacial se torna significante,
indicando que h fatores omitidos ou no observados em distritos vizinhos que tm
influncia no nmero de roubos.
 O tamanho da populao jovem tambm no parece ser relevante, ao contrrio do
que ocorria com os homicdios.

O resultado que talvez mais chame a ateno, no entanto, quando, no modelo (3),
faz-se a substituio da varivel renda pelo coeficiente de Gini. No s o modelo se
mostrou melhor ajustado, como o a distribuio de renda se mostrou altamente significante.
Ou seja, quando falamos de homicdios, um crime exclusivamente contra a pessoa, a renda
que parece ser mais relevante. O roubo, crime contra o patrimnio (embora mediante
violncia), tem na distribuio de renda um fator bem mais relevante.

Na tabela 4, o crime estudado o furto de veculos.

Tabela 4 - varivel dependente: furto de veculos.
Modelo(1) Modelo(2) Modelo(3)
Constante -29,6076 477,46** 2522,8***
(532,06) (195,38) (373,13)
Renda 59,5194*** 52,1473***
(12,576) (10,984)
Gini -3626,8***
(714,48)
Populao 15-24 0,002826
(0,003555)
Prises/Crimes -8227,8*** -8318,1*** -9338,4***
(2134,8) (2093,7) (2032,5)
Prises/Crimes (distritos vizinhos) 5306,8
(6384,8)
rea Favelas 0,3464
(1,2936)
Termo auto-regressivo () 0,06196 -0,0450 0,0839
(0,3142) (0,2164) (0,2065)
Termo de erro espacial () 0,1320 0,2100 0,2540
(0,3416) (0,2436) (0,2374)
Coeficiente de determinao (R2) 0,5127 0,5060 0,5138

R2 ajustado 0,4847 0,4951 0,5030

Desvios-padro entre parnteses.

* significante a 10%.
** significante a 5%.
*** significante a 1%.

O resultado do modelo (1) , do ponto de vista numrico, bastante curioso: duas

variveis renda e prises/crimes so altamente significantes, enquanto as demais so
completamente insignificantes (todas tem estatstica t menor do que um, isto , cada um dos
coeficientes menor do que seu desvio-padro). Do ponto de vista da leitura deste
resultado, nota-se que o crime de furto de veculos tem uma carter quase empresarial:
ocorrem mais furtos deste tipo nos distritos de maior renda e com menor ndice de prises.
Variveis em distritos vizinhos parecem ter pouca ou nenhuma relevncia, assim como a
presena de jovens entre 15 e 24 anos e a maior rea de favelas este ltimo resultado,
alis, verificado nos trs tipos de crime estudados.

A troca da renda pela sua distribuio, realizada no modelo (3), parece torn-lo
melhor ajustado. Entretanto, a diferena no to flagrante como era nos modelos para o
crime de roubo, portanto a concluso de qual seria a melhor escolha para se explicar o
crime de furto de veculos um pouco mais nebulosa, embora penda a favor da distribuio
de renda.

5. Concluses

Este estudo buscou explicar, usando dados do municpio de So Paulo trs tipos de
crime homicdio doloso, roubo e furto de veculos atravs de modelos economtricos
que incluam variveis como renda, populao jovem, presena de favelas e tambm efeitos
especiais.
Os resultados indicam que a rea ocupada por favelas no relevante para se
determinar o nmero de crimes, embora, evidentemente, distritos com maior nmero de
favelas tendem a ter menor renda e, no caso de So Paulo, pior distribuio de renda
estas sim variveis relevantes na explicao dos crimes.
A populao residente na faixa dos 15 aos 24 anos bastante relevante para se
explicar o nmero de homicdios, o mesmo no ocorrendo com os demais crimes.
A eficincia do poder policial, que neste trabalho foi medida atravs da razo entre
o nmero de prises e o nmero de crimes, no se mostrou relevante para explicar os
homicdios, mas foi altamente significante nos modelos para roubos e para furto de
veculos.
Os efeitos espaciais tambm se mostraram pouco importantes, exceto no caso dos
homicdios, que apresentou um coeficiente de auto-regresso espacial altamente
significante, o que indica a presena de um efeito de contgio de homicdios entre
distritos vizinhos.
Na questo do que relevante, se a renda ou a sua distribuio, os resultados
parecem mostrar que crimes contra a pessoa tendem a ser em maior nmero onde a renda
menor, enquanto crimes contra o patrimnio tendem a depender mais da distribuio de
renda, embora este resultado tenha sido mais ntido para o crime de roubo do que para o
crime de furto de veculos.
Uma anlise mais geral dos resultados indica que o crime de homicdio parece
depender mais do ambiente social, como a proximidade de regies onde este crime mais
intenso e a pobreza do local, indicada pelo sinal negativo do coeficiente da varivel renda.
J os crimes contra o patrimnio parecem ter mais relao com oportunidades objetivas,
como a maior renda, o que supe maior patrimnio a ser subtrado, e menor eficcia das
autoridades em impor a lei.

Referncias bibliogrficas
ALMEIDA, Marco A.S. Anlise Exploratria e Modelo Explicativo da Criminalidade no
Estado de So Paulo: Interao Espacial: 2001. 2007. 97f. Dissertao (Mestrado em
Economia), Faculdade de Cincias e Letras, UNESP, Araraquara, 2007.
ANSELIN, Luc. Spatial Econometrics: Methods and Models, 1a edio, Dordrecht:
Kluwer Academic Publishers, 1988.
BECKER, Gary S. Crime and Punishment: An Economic Approach, Journal of Political
Economy, vol.76, no 2, 169-217, 1968.
BLOCK, Michael K. e John M. HEINEKE A Labor Theoretic Analysis of the Criminal
Choice, American Economic Review, vol.65, no 3, junho, 315-25, 1975.
EHRLICH, Isaac Participation in Illegitimate Activities: A Theoretical and Empirical
Investigation, Journal of Political Economy, vol.81, no 3, 521-65, 1973.
EHRLICH, Isaac Crime, Punishment and the Market for Offenses, Journal of Economic
Perspectives, vol.10, no 1, 43-67, 1996.
FREEMAN, Scott, Jeffrey GROOGER e Jon SONSTELIE The Spatial concentration of Crime,
Journal of Urban Economics, 40, 216-31, 1996.
GAVIRIA, Alejandro Increasing Returns and the Evolution of Violent Crime: the Case of
Colombia, Journal of Development Economics, vol.61, 1-25, 2000.
SAH, Raaj Social Osmosis and Patterns of Crime, Journal of Political Economy, 99,
1272-95, 1991.