Você está na página 1de 13

ANALISE DO EFEITO DA EDUCAÇÃO SOBRE A CRIMINALIDADE NOS

MUNICIPIOS PERNAMBUCANOS NO ANO DE 2017

ANDERSON AVELINO OLIVEIRA SOUSA


ANDRÉIA VANESSA DO NASCIMENTO

INTRODUÇÃO

O fenômeno da criminalidade atrai cada vez mais a atenção da opinião pública e


dos governantes de todo o mundo, pois tem crescido abruptamente nas últimas décadas.
No entanto, a discussão acerca do tema é um tanto quanto complexa, pois envolve as mais
variadas áreas do conhecimento: desde a Sociologia, a Psicologia e a Criminologia até a
demografia e a Economia.

Nesse contexto multidisciplinar, a Ciência Econômica tem contribuído


principalmente na análise dos determinantes da criminalidade e na avaliação de suas
consequências negativas sobre o desenvolvimento econômico.A análise econômica da
criminalidade é relativamente recente, pois só surgiu no final da década de 1960 nos
Estado Unidos com Fleicher (1963,1966) e Ehrlich (1967). Entretanto a análise só ganhou
força no final da década de 1960, com a publicação do trabalho seminal de Becker (1968),
onde se empenha em investigar a produção criminal e os efeitos de variáveis com a
probabilidade de condenação e a severidade da pena sobre a oferta de crimes.

Segundo Becker (1968), o comportamento criminal responde principalmente a


variações na probabilidade de insucesso, no grau de intensidade das penas, e na
expectativa de retorno do crime, sendo os dois primeiros fatores repressores da ação dos
criminosos e o terceiro estimulador.

Becker (1968), salienta que, qualquer indivíduo pode ser um criminoso potencial, ou
seja, os crimes não são necessariamente praticados apenas por indivíduos que tenham
transtornos de conduta. Destaca-se também que, toda prática de crime envolve um certo
grau de risco, e, portanto, indivíduos com elevado grau de aversão ao risco provavelmente
não cometeriam crimes. E um terceiro ponto analisado na teoria é a relação da
criminalidade com o mercado de trabalho formal, pois de acordo com Becker (1968), o
ato criminoso surge da decisão racional do indivíduo que avalia entre os benefícios
financeiros de sua ação criminosa e os custo associados a sua punição; e os custos de
oportunidade representados pelo retorno no mercado legal de trabalho.

Como o primeiro custo envolve um risco, portanto, está associado a uma


distribuição de probabilidade, ou seja, há probabilidade de ser punido, o problema do
indivíduo é o de maximizar uma função de utilidade esperada em que compara o retorno
esperado no mercado ilícito com o retorno sem riscos no mercado de trabalho legal.

Ehlich (1973) propôs uma extensão ao modelo de Becker (1968), dando ênfase
especial para a escolha na alocação do tempo. Ao invés da escolha individual se restringir
à inserção no mercado criminal ou legal, o autor permitiu que o indivíduo fizesse uma
escolha de alocação do tempo entre as duas atividades. Na sua versão econométrica, o
modelo de Ehlich (1973) prevê, além dos incentivos de custos e benefícios preconizados
por Becker (1968), o efeito das variáveis de desigualdade de renda e renda média sobre o
crime, por entender que essas variáveis poderiam captar as variações nas oportunidades
obtidas com a atividade criminal. Partindo do pressuposto de que o potencial criminoso
para crimes de natureza econômica pertencesse a classe de menor renda, a desigualdade
representaria a distância entre sua expectativa de renda no mercado de trabalho (seu custo
de oportunidade) e a renda de suas vítimas (sua renda potencial com o crime).

A partir da década de 1980, os modelos teóricos desenvolvidos por Becker (1968) e


Ehlich (1973) impulsionaram o surgimento de novas linhas de pesquisa empírica cujos
principais propósitos são os de verificar e analisar os determinantes socioeconômicos do
crime, assim como os impactos da criminalidade sobre o desenvolvimento econômico.
Nesse contexto destacam-se os trabalhos que exploram as relações entre criminalidade e
diversas variáveis socioeconômicas, tais como: pobreza (HUANG; LAING, 2004),
desigualdade de renda (KELLY, 2000; MENDONÇA, 2002; RESENDE, 2007),
desemprego (BLOCK, HEINECKE, 1975) entre outros.

Segundo Gutierrez et al. (2004), há uma convergência em termos de resultados em


meio a literatura existente, devido à dificuldade em se determinar o verdadeiro canal pelo
qual algumas das variáveis socioeconômicas interagem com a criminalidade. Tais
relações são determinadas, na maioria dos trabalhos, apenas empiricamente.

Dentre todas as variáveis socioeconômicas que apresentam uma relação estreita com
a criminalidade, é a educação. Espera-se que um nível maior de educação reduza a
criminalidade. Tendo como base o modelo teórico de Becker (1968). Um baixo nível de
capital humano implica em baixos retornos no mercado lícito e isto significa baixos custos
de oportunidade para praticar crimes. Além disso, a educação faz parte do processo de
desenvolvimento moral do indivíduo, tendo um papel fundamental na inclusão social do
mesmo. Este processo de desenvolvimento moral afeta os custos morais de se cometer
crimes e por consequência a criminalidade.

Por outro lado, segundo pesquisa realizada por Abramovay e Rua (2002), a violência
nas escolas afeta negativamente o desempenho acadêmico dos alunos. Dentre outros
fatores, a violência escolar diminui o nível de concentração e a frequência dos alunos.
Consequentemente ocorre uma diminuição do nível de capital humano, tão importante no
processo de desenvolvimento socioeconômico de qualquer país.

Esse trabalho tem como objetivo analisar a relação entre criminalidade e educação no
estado de Pernambuco no período de 2007 a 2017, com base dos dados do IDEB para a
variável educação e dados do Governo do Estado de Pernambuco para a variável
criminalidade, será aplicado o modelo de regressão linear múltipla para explicar a relação
entre as diversas variáveis explicativas.

ESTRATEGIA EMPIRICA

A escolha das variáveis independentes, foi feita levando em conta a literatura


revisada em trabalhos sobre o tema, que utilizam indicadores de educação, ou indicadores
do gasto com educação, e também utilizam como indicadores de crimes a taxa de crimes
por cem mil habitantes, que é a utilizada neste modelo de regressão múltipla.

Utiliza-se também de variáveis de controle, que buscam estimar efeitos que


tenderiam a ir para os resíduos. Ou seja, variáveis que tendem a causar efeitos sobre o
crime, e que devem ser levadas em consideração para se isolar o efeito da educação sobre
o crime. Nesta regressão foram utilizadas a renda per capita de cada município, como
também a população destes. Dado que para Araújo Júnior e Fajnzylber (2001) a renda per
capita é um determinante dos índices de violência, e Oliveira( 2016) mostrou que a
população das cidades influenciam os indicadores de crimes destas. Logo as variáveis se
mostram ideais dado a literatura existente como variáveis de controle.
Foi utilizado um modelo de regressão múltipla que utiliza o método dos mínimos
quadrados ordinários, que segundo Wooldrige (2016), nos permite controlar fatores que
afetam explicitamente e simultaneamente a variável dependente. Sendo esta uma forma
mais eficiente para trabalhar com a avaliação do efeito das políticas públicas. No presente
estudo buscamos identificar o efeito das politicas publicas de educação sobre os índices
de violência.

Lochner e Moretti (2004) mostraram que aumentos na escolaridade levam a


diminuições subsequentes nas taxas de criminalidade, o que indica que o efeito da
educação sobre a violência seria defasado. Ao estimar a relação do IDEB do ano de 2017,
com os índices de violência do próprio ano, se identificou que não havia significância
entre o Índice de desenvolvimento da educação básica do ano e seu índice de violência.
Logo o modelo aplicado utiliza dados de IDEB de até dez anos antes do ano de interesse,
sendo assim há dados do Ideb de 2007 até 2017.

O modelo também se utiliza de variável defasada para proxy, do efeito não


identificado da violência. Wooldrige (2016) diz que devemos utilizar proxys para
identificar variáveis explicativas não observadas. Usando como controle, o valor da
variável dependente de um período anterior, sendo esta uma forma útil para análise de
políticas públicas. Onde a utilização de uma variável dependente defasada é uma maneira
simples de explicar fatores históricos que alteram a variável dependente, e que são difíceis
de se explicar de outras maneiras. E ainda afasta o viés da variável omitida da estimação.
A utilização desta variável defasada é dada também por Santos( 2009), onde o autor
identifica a inercia do crime, levando ao entendimento que o crime de t=2 tem relação
direta com o de t=1 .

Utiliza-se da função log na variável que mede a renda per capita, e na variável que
mede a população dos municípios, a utilização do log é justificada dado a sua capacidade
de normalização que faz o modelo atender a hipótese 6 do modelo de regressão linear
múltipla, a da normalidade possibilitando a inferência estatística sobre os parâmetros dos
modelos populacionais. Também possibilita o alivio aos problemas decorrentes da
heterocedasticidade, como também os advindos da concentração de variáveis que tendem
a ser estritamente positivas como a renda per capita e a população.

Logo a equação da estimação central seria resumida em:

Y = β0 + β1 + β2 + β3 + Yt-1 + β1t-n
Onde:

Y= Criminalidade representada pela taxa de violência e crimes letais intencionais por


100 mil habitantes

β0 = Intercepto da regressão

β1 = Educação, representada pelo IDEB

β2 = Estimativa populacional do município no ano de 2017

β3 = Renda per capita do município no ano de 2017

Yt-1 = Criminalidade defasada em um ano, representada pela taxa de violência e crimes


letais intencionais por 100 mil habitantes.

β1t-n = Educação defasada em até 10 anos antes.

ANÁLISE DISCRITIVA

Foram utilizados dados dos 185 municípios pernambucanos, sendo estes extraídos
de bases distintas. A taxa de crimes violentos letais intencionais foi obtida através da
secretaria de defesa social do estado de Pernambuco. O Ideb de 2007 até 2017 foi extraído
a partir do FNDE que mostra indicadores qualitativos e quantitativos da educação
nacional. Já a estimativa populacional e a renda per capita dos municípios
pernambucanos, foram retiradas da base de dados do estado de Pernambuco.

A variável dependente, apresenta uma taxa que representa a criminalidade por


município do estado de Pernambuco, esta variável apresenta valores que tem seu mínimo
zero e máximo de 118,11. O número zero representa cidades sem incidência de
criminalidade no ano de 2017, sendo estas Ingazeira (Sertão do Pajeú) , Cumaru (Médio
Capibaribe) , Salgadinho (Médio Capibaribe) e Fernando de Noronha. Já do outro lado
da lista encontra-se os municípios mais violentos do estado, sendo destaque São José da
Coroa Grande na Mata Sul como a cidade com maiores índices de violência no estado.
Onde a taxa de crimes violentos letais intencionais tem a sua distribuição no ano de 2017
apresentada pelo histograma abaixo.
Vemos então que a maioria dos municípios encontram se na região entre 0 a 100,
o que representa uma grande variação no índice, observa-se também que o valor de maior
incidência é próximo a 50, onde se tem a confirmação do valor médio de 54,02 da taxa
de crimes violentos letais intencionais. Logo há coincidência entre o valor médio, e o
valor de maior apresentação.

Já o indicador de educação, o IDEB, é representado por todos destes do ano de


2007 até o ano de 2017. O indicador é disponibilizado a cada dois anos, tendo o trabalho
utilizado os IDEBs dos anos de 2007, 2009, 2011, 2013, 2015 e 2017. Outra
peculiaridade, é que o indicador é dividido em anos iniciais (2º e 5º ano do ensino
fundamental) e anos finais (9º ano do ensino fundamental. Onde neste trabalho para
melhor compreensão, além dos dois tipos de categorização, ainda se utiliza da média do
indicador para cada ano. A média anual do índice de desenvolvimento da educação básica
é representada no gráfico abaixo.
É visto pelo gráfico que o IDEB apresentou, na média, um crescimento nos
municípios pernambucanos, saindo de 2,9 em 2007, para 4,4 em 2017.

O indicador de renda per capita, mostra a riqueza gerada pelo município dividido
pelo numero de habitantes do mesmo. Onde se espera que a renda tenha, segundo
Gutierrez et alii (2004), que a relação entre a renda e o crime seja negativa, onde supõe-
se que uma maior renda per capita, tende a gerar uma menor taxa de crimes violentos
letais intencionais. A distribuição da renda per capita em Pernambuco no ano de 2017 é
representada no gráfico abaixo:
Onde o gráfico mostra que grande parte dos municípios do estado apresentam
baixo nível de renda per capita, onde observa-se que o município de maior renda per
capita, apresenta também altas taxas de violência. E o município de menor renda per
capita apresenta um baixo nível de criminalidade. Ao calcular a correlação entre as
variáveis, vê se uma fraca correlação positiva o que indica uma tendência que maior
renda per capita levaria a maior violência, mas a fraca correlação indica que não se pode
ao certo afirmar nada.

A estimativa da população dos municípios do estado de Pernambuco, tem menor


valor em Fernando de Noronha, que tem uma baixa taxa de violência, e tem o maior
valor no município do Recife que apresenta uma taxa de crimes próximo a média dos
municípios do estado. Espera se que maior população leve a uma maior taxa de
criminalidade, dado o desenvolvido por Oliveira (2016).

Para o modelo em questão foram rodadas as regressões abaixo:

Y = β0 + β117 + β2 + β3 + Y2016 ( 1)

Onde esta primeira explica a criminalidade de 2017, a partir do IDEB de 2017,


da estimativa populacional do ano, da renda per capita da população e da variável
defasada que mostra a criminalidade em 2016

Y = β0 + β1t-n + β2 + β3 + Y2016 (2)


Já a segunda equação usa a defasagem em do IDEB buscando assim ver a
significância do IDEB de anos anteriores em relação a criminalidade de 2017.

Y = β0 + β107 +β109+ β111 β113 + β115 β117+β2 + β3 + Y2016 (3)

A terceira equação busca identificar qual IDEB tem mais significância sobre a
determinação da criminalidade.

Y = β0 + β1t-nW + β2 + β3 + Y2016 (4)

A quarta equação busca identificar a relação entre o IDEB final e inicial sobre a
criminalidade, buscando identificar qual tem maior efeito sobre a criminalidade.

RESULTADOS

Ao rodar a regressão 1 vemos que o IDEB do ano de 2017, não tem efeito
significante sobre a criminalidade. Observa-se também que a taxa de crimes violentos
letais e intencionais do ano de 2016, tem efeito altamente significante sobre a taxa de
2017, efeito já esperado dado que supõe que a violência do ano anterior se relaciona com
a do próximo ano. Vale ressaltar que o efeito da TCVLI de 2016 é mínimo, sendo um
pequeno efeito, só que com alta significância. A renda per capita também se mostrou
significante, mas com um efeito maior e uma significância mais baixa. A população
apresenta o efeito esperado, mas sem significância.

Tabela 1 – Analise do Modelo de Regressão 2

ANO 2007 2009 2011 2013 2015 2017


Intercepto -26.72126 * -10.37132 -43.80340 -47.60825 -62.04968 -76.32246 *
IDEB -15.96777 ** -16.63975 *** -7.42067 * -4.21596 -2.12969 1.34783
PPC 10.47754 * 9.44944 * 9.71886 * 8.92254 * 9.65707 * 9.49796 *
POP 0.05137 0.37219 0.41909 0.41619 0.45531 0.46546
TCVLI2016 0.67916 *** 0.65204 *** 0.68414 *** 0.70050 *** 0.70868 *** 0.72594 ***
Fonte: Elaboração Própria

Na tabela 1 vemos os efeitos advindos da utilização do índice de educação básica


defasado, onde está descrito a relação da criminalidade e seus determinantes como a
educação I IDEB ), a renda per capita (PPC), a população (POP) e a taxa de criminalidade
defasada em um período, usada como proxy de efeitos não esperados. Vale ressaltar que
os valores de POP e PPC estão em logaritmo.
É visto que, ao introduzir o efeito da educação defasada de em dez anos, o IDEB
de 2007 se mostrou significante a um por cento, sendo então altamente significante, e
apresenta o efeito esperado, mostrando que existe uma relação em que uma melhor
educação no ano de 2007 levaria o município a apresentar menores taxas de criminalidade
em 2017. Mas uma vez a variável dependente defasada recebeu alta significância, mas
demonstra uma relação de pequeno tamanho, e de menor valor que a primeira estimação.
A renda tem efeito positivo sobre a criminalidade, onde o aumento na renda per capita do
município, tende a aumentar os índices de violência, sendo este indicador significante.

Observando o efeito do índice de educação básica de 2009 e 2011 observa-se que


se tem um aumento no efeito dos indicadores da educação sobre os índices de
criminalidade. Onde esta relação se torna altamente significante, e demonstra que um
aumento no nível do IDEB em uma unidade, levaria a cidade a ter uma redução na taxa
de crimes violentos letais intencionais em mais de 16 por cento, o que indica um grande
efeito da educação anterior sobre o IDEB atual. A renda e a criminalidade defasada,
continuam a ter efeito significante sobre a criminalidade, assim como o da renda per
capita.

Já ao utilizar o IDEB de 2013 e 2015, se observa que os mesmos continuam a ter


efeitos negativos, mas que, os mesmos se tornam insignificantes para determinar a taxa
de criminalidade do ano de 2017, tendo significância apenas os dados de renda per capita
e a variável dependente defasada. O que pode ser concluído como uma evidencia de que
a educação tem um efeito de longo prazo sobre a criminalidade.

Ao analisar o resultado da equação 3, vê se que a criminalidade defasada e a renda


per capita continuam a ser significantes, mas que apenas dois indicadores de IDEB se
mostraram significantes, mas cada um tem uma direção diferente, onde o IDEB de 2007
apresenta um efeito inesperado que indica que um IDEB maior hoje, levaria a maiores
índices de violência hoje. Já o índice de 2009 mostra a relação esperada que diz que
maiores índices educacionais, tendem a acarretar em uma menor taxa de criminalidade.

Observando o efeito da quarta equação, que busca analisar o efeito do IDEB na


determinação da taxa de crime, comparando o índice de anos iniciais e o de anos finais,
observou-se que os anos finais apresentam maior significância do que os iniciais, talvez
dado aos anos finais demostrarem com mais realidade os fatos estilizados sobre o aluno
dado o desenvolvimento agregado pelos mesmos dado o avanço da idade.
Conclui-se então que usando por si a educação de anos defasados, se observa um
efeito direto entre a criminalidade e a determinação de crimes, evidenciando que a
educação tem seus efeitos sobre o crime num prazo entre 7 e 10 anos, dado o estimado.
Observa-se também que o investimento na melhora da educação seria uma boa politica
publica de médio e longo prazo, para se chegar a uma redução da taxa de criminalidade.
Foi visto também que a renda per capita é um fator de muita importância sobre a
criminalidade. Leva-se a crer também que a melhora nos anos iniciais, mesmo sem ser
significante, tenderia a melhores níveis nos anos finais.

Referencias

ABRAMOVAY, M.; RUA, M.. Violências nas escolas. 2. ed. Brasília: UNESCO, 2002.
400P.
ARAUJO, A. F. DE et al. Socio-economic determinants of juvenile crime among street
children and teenagers in a Brazilian state. Economics Bulletin, v. 32, n. 3, p. 2076–
2084, 2012.

ARAÚJO JÚNIOR, A. F. DE; FAJNZYLBER, P. O que Causa a Criminalidade Violenta


no Brasil? Uma Análise a Partir do Modelo Econômico do Crime: 1981 a 1996. Cedeplar
/ Ufmg, n. April 2014, p. 1–88, 2001.

BECKER, K. L.; KASSOUF, A. L. Uma análise do efeito dos gastos públicos em


educação sobre a criminalidade no Brasil. Economia e Sociedade, v. 26, n. 1, p. 215–
242, 2017.

BECKER, G.S. Crime and punishment: an economic approach. The Journal of Political
Economy, Chicago, v.76, n.2, p.169-217, 1968.
BLOCK, M.K.; HEINECKE, J.M. A labor theoretic analysis of the criminal choice.
Amercian Economic Review, Nashville, v.65, n.3, p.314-325, 1975.
BORILLI, S. P. Documentos Técnico-Científicos Economia e e Crime : Crime : Um Um
Estudo Estudo Exploratório Exploratório Economia na Penitenciária Penitenciária
Industrial Industrial de de Guarapuava Guarapuava e e na Cadeia Pública Pública de de
Foz Foz do do Iguaçu Ig. n. Ix, p. 328–346, 2003.

CLEMENTE, A.; WELTERS, A. Reflexões sobre o modelo original da economia do


crime. Revista de Economia, v. 33, n. 2, p. 139–157, 2014.
EHRLICH, I. On the relation between education and crime. Education, income, and
human behavior, v. I, p. 313–338, 1975.

EHRLICH, I. The supply of illegitimate activities. Unpublished manuscript, New York:


Columbia University, 1967.
FLEISHER, B.M. The effect of unemployment of juvenile delinquency. The journal of
Political Economy, Chicago, v.71, n.6, p.543-555, Dec.1963.
GUTIERREZ, M.B.S.; MENDONÇA, M.J.C. de; SACHSIDA, A; LOUREIRO, P.R.A.
Inequality and criminality revisited: further evidence from Brazil. In: ENCONTRO
NACIONAL DE ECONOMIA, 32., 2004, João Pessoa. Anais eletrônicos… João
Pessoa: ANPEC 2004. Disponível em: <
http://www.anpec.org.br/encontro2004/artigos/A04A149.pdf>. Acesso em: 03 jul.2019.
HOSPITAL, T. H. et al. r Fo Pe er Re vi r Fo. Annals of Neurology, 2010.

HUAG, C.; LAING, D.; WANG, D.P. Crime and poverty: a search-theoretic approach.
Internacional Economic Review, Pennsylvania, v.45, n.3, p.909-938, 2004.
KAHN, T. Crescimento econômico e criminalidade: uma interpretação da queda dos
crimes no Sudeste e aumento no Norte/Nordeste. Revista Brasileira de Segurança
Pública, v. 7, n. 1- Febrero- marzo, p. 152–164, 2013.

KELLY, M. Inequality and crime. The Review of Economies and Statisties, Cambridge,
v.82, n.4, p.530-539, 2000.
KUME, L. Uma estimativa dos determinantes da taxa de criminalidade brasileira: uma
aplicação em painel dinâmico. In: ENCONTRO NACIONAL DE ECONOMIA, 32.,
2004, João Pessoa. Anais eletrônicos... João Pessoa: ANPEC 2004. Disponível em:
http://econpapers.repec.org/paper/anpec2004/148.htm. Acesso em 10 jul.2019.
LOCHNER, L.; MORETTI, E. The Effect of Education on Crime : Evidence from Prison
Inmates. American Economic Review, v. 94, n. 1, p. 155–189, 2004.

MENDONÇA, M.J.C. de. Criminalidade e violência no Brasil: uma abordagem teórica e


empírica. Revista Brasileira de Economia de Empresas, Brasília, v.2, n.1, p.33-49,
jan./maio 2002.
OLIVEIRA, C. Criminalidade e o tamanho das cidades brasileiras : Um enfoque da
Economia do Crime CRIMINALIDADE E O TAMANHO DAS CIDADES
BRASILEIRAS : UM ENFOQUE DA ECONOMIA DO CRIME . Cristiano Aguiar de
Oliveira Professor da Universidade de Passo Fundo Pesquisador do . n. January 2005,
2016.
RESENDE, J.P. Crime Social, castigo social: o efeito da desigualdade de renda sobra as
taxas de criminalidade nos grandes municípios brasileiros. 2007.83p. Dissertação
(Mestrado em Economia) – Universidade Federal de Minas Gerais, Belo Horizonte, 2007.
SANTOS, M. J. DOS. Dinâmica temporal da criminalidade: Mais evidências sobre o
“efeito inércia” nas taxas de crimes letais nos estados brasileiros. Revista Economia, v.
10, n. 1, p. 169–194, 2009.

Você também pode gostar