1CRIMINALIDADE E O TAMANHO DAS CIDADES BRASILEIRAS:UM ENFOQUE DA ECONOMIA DO CRIME.

Cristiano Aguiar de OliveiraProfessor da Universidade de Passo Fundo

Pesquisador do Centro de Pesquisa e Extenso da FEAC (CPEAC)Faculdade de Cincias Econmicas, Administrativas e Contbeis

Resumo

Este artigo investiga as causas da criminalidade em cidades e a sua relao com o tamanhodas mesmas. Para este fim, apresentado um modelo formal baseado em Glaeser e Sacerdote(1999), porm incorpora as contribuies da abordagem ecolgica proposta porBrofenbrenner (1979). No modelo, a criminalidade em cidades pode ser explicada porcaractersticas locais em que o ambiente e o histrico do indivduo afetam a criminalidade. Omodelo terico testado atravs de um modelo economtrico em painel utilizando dados dascidades brasileiras na dcada de noventa. Os resultados obtidos confirmam a relevncia dotamanho da cidade na explicao da criminalidade. Ficam destacados tambm os papis dadesigualdade de renda e da pobreza como fatores que potencializam a criminalidade emcidades. No artigo so discutidas tambm as importncias da famlia e da escola na explicaoda criminalidade. Os resultados obtidos mostram que problemas na estrutura familiar e aineficincia do ensino bsico no Brasil afetam positivamente a criminalidade. Neste artigo, osbenefcios do crime e os custos de oportunidade so divididos, o que permite concluir que ocrescimento econmico no implica diretamente no aumento da criminalidade. Isto porque sehouver um aumento da renda dos mais pobres a criminalidade diminui.Palavras-chave: Crime, Cidades, Abordagem Ecolgica, Regresses com dados em painel.Classificao JEL: O10, K42, C23.

Abstract

This paper investigates criminality causes in cities and their relationship with the city size.For this goal, a formal model is presented based on Glaeser and Sacerdote (1999), however itincorporates the contributions of the ecological approach proposed by Brofenbrenner (1979).In the model, the criminality in cities can be explained by local characteristics in that thecontext and the individual's history affect the criminality. An econometric model using paneldata from Brazilian cities in the nineties tests the theoretical model. The findings confirm therelevance city size in the explanation of the criminality. The paper also confirms the role ofthe income inequality and of the poverty as factors that enforces the criminality in cities. Inthe paper is also discussed the importance of the family and of the school in the criminalityexplanation. The obtained results show that problems in the family structure and theinefficiency of the basic school in Brazil affect positively the criminality. In this paper, thebenefits of the crime and the opportunity costs are divided, that allows concluding that theeconomic growth doesn't implicate directly in the criminality increase. Because, if there is anincrease in the income of the more poor the criminality will decreases.Keywords: Crime, Cities, Ecological Approach, Panel Data Regressions.JEL classification: O10, K42, C23.

21. Introduo

O problema da violncia e da criminalidade no Brasil cada vez mais atrai a ateno daopinio pblica e dos governantes. A preocupao plenamente justificvel, pois o nmero dehomicdios por habitante praticamente dobrou no Brasil nos ltimos vinte anos. Entretanto, aquantidade de estudos cientficos sobre o tema no mostra um crescimento na mesmavelocidade. Vrias podem ser as causas para esta escassa produo. difcil negar que acriminalidade um tema complexo, que envolve as mais variadas reas do conhecimento, quevo desde a Sociologia, Psicologia e Criminologia at a Demografia e a Economia. Porm,tambm verdade que neste contexto multidisciplinar, a economia certamente temcontribuies importantes na determinao das causas da criminalidade e na avaliao de suasconseqncias negativas para o desenvolvimento econmico. Entretanto, so poucas aspesquisas realizadas por economistas sobre o tema. Isto em parte explicado pela falta dedados disponveis ou pela pouca qualidade dos mesmos, mas tambm pode ser explicadopelas limitaes impostas pelos modelos tradicionais existentes, pois praticamente todosutilizam modelos baseados exclusivamente em Becker (1968)1.

No caso de trabalhos empricos, existem alguns poucos trabalhos que utilizam todo opas como base de dados, cabe citar Arajo Jr. e Fajnzylber (2001a,b), Mendona (2001),Kume (2004) e Gutierrez et al (2004). Estes trabalhos utilizam dados longitudinais estaduaispara relacionar o problema da criminalidade com algumas variveis econmicas. O problema que na busca pelos dos determinantes da criminalidade as cidades tem um papelfundamental, pois o crime certamente um fenmeno local, uma vez que diferentes cidadesdentro de um Estado possuem nveis de criminalidade muito diferentes. A mudana de cidadeimplica em uma mudana relevante que no pode ser desconsiderada. As cidades apresentamuma grande variedade de nveis de desenvolvimento econmico, de tamanho e de culturas.Este poderia ser o caso, por exemplo, de cidades do Rio Grande do Sul colonizadas poralemes, que certamente diferem daquelas colonizadas por italianos ou portugueses, ascidades do Paran colonizadas por japoneses que diferem das colonizadas por poloneses, eassim por diante. Em suma, cada cidade tem um ambiente prprio que vai afetar seus ndicesde criminalidade.

Outro aspecto bastante relevante com relao criminalidade em cidades a suarelao com o tamanho das cidades, cuja regularidade impressionante. As cidades brasileirascom mais de 1.000.000 de habitantes possuem taxas de homicdios em mdia at seis vezesmaior do que cidades com at 25.000 habitantes. Cidades como So Paulo e Rio de Janeiropossuem taxas prximas a 60 homicdios por 100.000 habitantes, o que significa dizer taxastrinta vezes maiores do que cidades europias. O que explica tal comportamento? Este artigoprocura investigar as causas da criminalidade no Brasil e a sua relao com o tamanho dascidades.

Para este fim, este artigo inicialmente apresenta um arcabouo terico que visaentender os determinantes da criminalidade, ou seja, quais fatores sero determinantes paraque um indivduo cometa ou no um crime. Nesta seo o enfoque dado ao tema poreconomistas reavaliado e complementado por algumas contribuies feitas pela abordagemecolgica proposta por Brofenbrenner (1979). A idia central fazer a conexo dosdeterminantes da criminalidade e o tamanho das cidades, mostrando que o ato criminososurge de um processo em que o papel do histrico do indivduo e a sua insero no contexto(ambiente) so fundamentais na explicao do mesmo. Nesta mesma seo apresentado ummodelo formal, baseado em Glaeser e Sacerdote (1999), que incorporam estas novas idias. A

1 Vale ressaltar a exceo dos trabalhos de Mendona (2001) e Cerqueira e Lobo (2003b).

3seo finalizada com a associao entre a criminalidade e o tamanho das cidades a partir dasconcluses do modelo apresentado. A terceira seo faz a implementao emprica do modelopara as cidades brasileiras na dcada de noventa. Nesta seo a teoria e o modelo soassociados as variveis disponveis. So apresentados as fontes dos dados utilizados, ametodologia de estimao e os respectivos resultados. Estes so discutidos e interpretados aluz das teorias propostas. Ao final do artigo so apresentadas algumas concluses, bem comoas referncias bibliogrficas e um apndice.

2. Criminalidade e cidades: A construo de um modelo e de umaabordagem terica alternativa

A construo de um arcabouo terico slido para a explicao das causas dacriminalidade em cidades certamente uma tarefa rdua. Isto porque no so poucas ascorrentes tericas distintas que abordam o tema. Na literatura2 so encontradas diferentesteorias que explicam o fenmeno da criminalidade. Existem aquelas que explicam atravs deuma patologia individual, as que consideram a criminalidade como um produto de um sistemasocial perverso, as que entendem o crime como conseqncia da desorganizao social etambm existem as teorias econmicas que entendem o crime como um problema econmicode maximizao de utilidade. Em todas as abordagens existem contribuies importantes etalvez elas sejam complementares ao invs de excludentes.

Os modelos econmicos tradicionais trazem contribuies relevantes, mas certamenteso incompletos. Isto porque os trabalhos sobre os determinantes da criminalidade feitos poreconomistas normalmente seguem a linha de escolha racional proposta pelo artigo seminal,Crime and Punishment: An Economic Approach, escrito por Gary Becker (1968). O artigo um marco na abordagem do tema, devido as suas relevantes contribuies. Em primeiro lugar,o autor salienta que qualquer indivduo pode ser um criminoso potencial, ou seja, os crimesno so necessariamente praticados por indivduos com transtornos psquicos. Em segundolugar, destaca que toda prtica de um crime envolve um certo grau de risco e, portanto,indivduos com alto grau de averso ao risco provavelmente no cometeriam crimes. Emterceiro lugar, relaciona a criminalidade com o mercado de trabalho formal, pois segundo oautor, o ato criminoso surgiria de uma deciso racional de um indivduo que avaliaria entre osbenefcios financeiros de sua ao criminosa e os custos associados a sua punio e os custosde oportunidade representados pelo retorno no mercado legal de trabalho. Como o primeirocusto envolve um risco e, portanto, est associado a uma distribuio de probabilidade, ouseja, h uma probabilidade de ser punido, o problema do indivduo o de maximizar umafuno de utilidade esperada em que compara o retorno esperado de mercado ilcito com oretorno sem riscos do mercado lcito.

Se por um lado, a grande virtude da contribuio de Gary Becker o de trazer ascontribuies metodolgicas da economia para dentro da discusso de um problema socialrelevante, por outro lado, a sua abordagem restringe-se a um carter excessivamentefinancista ao tema, o que deixa incompleta a busca pelos determinantes da criminalidade.Alm disso, o modelo oferece a impresso de o indivduo maximizar a sua funo de utilidadeno vcuo. Entretanto, no necessrio um grande esforo para imaginar que a realidade um pouco mais complexa, pois a deciso de praticar um ato criminoso certamente umprocesso em que a histria do indivduo e o seu ambiente influenciam o resultado de sua

2 Ver Cerqueira e Lobo (2003b) para uma resenha desta literatura.

4deciso. Na busca por uma explicao mais completa pelos determinantes da criminalidade,estes fatores devem ser incorporados.

Inicialmente, o ato de cometer um crime, ou seja, violar uma regra socialmente aceita,pode ou no envolver um custo moral. Mesmo que do ponto de vista financeiro a melhordeciso parea ser a opo pelo mercado ilcito, a incluso de um custo moral no modelo podecriar a barreira necessria para a entrada neste mercado. Block e Heinecke (1975) apudCerqueira e Lobo (2003b) destacam que existem diferenas ticas e psicolgicas envolvidasno processo de deciso do indivduo na escolha entre os mercados lcitos e ilcitos e, portanto,o processo de deciso envolve certamente um aspecto moral. A eficincia do custo moralcomo barreira entrada na atividade ilcita condicionada a um julgamento moral executadopelo indivduo sobre seu ato. Surge ento a necessidade de entender como se processa noindivduo a construo deste julgamento. Neste ponto, os economistas tm muito a aprendercom outras cincias, tais como a sociologia, a antropologia, mas principalmente, com apsicologia.

O processo de construo do julgamento moral para os psiclogos desenvolvimentistas um processo longo que vai desde a infncia do indivduo at a sua idade adulta, segundoPaludo (2004):

o desenvolvimento moral um processo racional e cognitivo, no qual a crianaconstri um cdigo moral por si mesma, baseada nas interaes com pares. Dessa forma, osadultos e as figuras de autoridade no transmitem regras e normas diretamente, amoralidade da criana autoconstruda a partir da cultura que a cerca.

Ao longo de sua vida os indivduos vo construindo relaes que comeaminicialmente com seus familiares vo at a sua insero na sociedade na fase adulta. Cadaindivduo se desenvolver em um determinado contexto. Este contexto, ou ambiente, fundamental no processo de construo do julgamento moral, e por conseqncia, na decisode cometer um crime ou no. Esta a idia principal da abordagem ecolgica introduzida porBrofenbrenner (1979), ou seja, o ambiente influencia o desenvolvimento do indivduo emvrios aspectos3. Segundo o autor os indivduos esto inseridos em quatro sistemasconcntricos com suas interconexes. Inicialmente, os indivduos esto inseridos em ummicrossistema, que so o conjunto de atividades, papis e relaes interpessoaisexperenciados pelo individuo pessoa em desenvolvimento em um ambiente especfico. Essecontexto constitudo por relaes face-a-face, que comea com a famlia e amigos prximose vo sendo acrescentadas ao longo da vida outras relaes, tais como a escola, e suasrelaes com colegas e professores; e o trabalho e suas relaes com seus colegas. Cadarelao citada compe um diferente microssistema em que o indivduo assume um papeldiferente. Este conjunto de microssistemas forma o mesossistema, que de outra forma, oconjunto de relaes construdas ao longo da vida. Existe ainda o exossistema, que composto pelos ambientes nos quais o indivduo em desenvolvimento no est presente, mascujos eventos ocorridos nestes influenciam diretamente o seu desenvolvimento. Por exemplo,o acesso ao mercado de trabalho por parte dos seus pais. E por fim, existe o macrossistema,que o conjunto de todos os sistemas e que envolve desde a situao conjuntural econmicaque o indivduo est inserido at o conjunto de valores compartilhados pela sociedade. Estesiro determinar o conjunto de valores morais que iro ser aceitos ou no pela sociedade ecomo ela reagir quando estes forem violados, ou seja, este sistema ir determinar as leis ecomo estas sero cumpridas. Este tem influncia direta nas formas de relao que ocorrem nossistemas anteriores. 3 Na verdade, Shaw e McKay (1929, 1931,1942) j destacavam o papel do ambiente e das caractersticas davizinhana na explicao da criminalidade, os autores so os percussores desta abordagem.

5Estas contribuies esclarecem o papel de cada sistema no processo de deciso do atode cometer um crime. Em cada etapa do desenvolvimento moral do indivduo as suas relaesnos diferentes contextos podero determinar os seus parmetros do que certo e do que errado e, portanto, determinar se haver um custo moral ou no no ato criminoso. Este custo,que no pode ser medido em termos monetrios, certamente existe e normalmente semanifesta atravs dos sentimentos, tais como culpa e vergonha. A principal contribuio daabordagem ecolgica neste caso de que o ambiente altera o julgamento moral do indivduo econseqentemente altera o seu custo moral.

Quando tratamos de criminalidade em cidades necessrio considerar que a decisode cometer um crime envolve um processo evolutivo anterior ao momento da deciso em queo ambiente de cada cidade fundamental neste processo. Uma cidade constitui ummacrossistema prprio que afeta no somente o custo moral, mas tambm o custo deoportunidade. Cada cidade possui um mercado de trabalho lcito que determinar o custo deoportunidade de ingressar no mercado ilcito. A cidade tambm tem influncia na histria doindivduo, pois o seu acesso ao mercado de trabalho pode depender, por exemplo, do seuacesso a escola, que depende de uma deciso individual ou da famlia, mas tambm dependefundamentalmente das condies oferecidas pelo setor pblico. Neste caso, cada cidade temas suas caractersticas, pois a inexistncia de uma escola, de cursos qualificantes, de umainstituio com ensino superior no so determinadas pelo indivduo, mas pelo contexto emque esta inserido.

Os custos de execuo tambm dependem do contexto em que o indivduo estainserido. Se o indivduo possui um acesso muito fcil ao mercado ilcito, ou de certa forma,convive com participantes deste mercado isto diminui o custo de execuo e planejamento deum crime. Isto porque a passagem do conhecimento de como planejar, de como executar e dosmeios para praticar o crime torna-se mais fcil. Crime algo que pode ser aprendido(Sutherland, 1940). Vale lembrar que a atividade criminosa uma atividade de risco em que asimples falta de planejamento ou um erro de execuo pode custar vida do indivduo que apratica. Portanto, pertencer a um ambiente onde a prtica do crime de conhecimento comumdiminui seus custos de execuo e no pertencer a este ambiente aumentam os mesmos.

Estas idias aqui apresentadas visam complementar o modelo econmico do crimeproposto por Becker (1968). Na prxima seo apresentado um modelo que incorporaalgumas destas idias.

2.1. Modelo terico

A construo de um modelo para explicar a criminalidade tem como ponto de partidaum modelo de escolha racional proposto por Becker (1968) em que o indivduo ir cometercrimes se seus benefcios forem maiores que seus custos:

)Pu(PCMWB +++> (1)onde B representa os benefcios do crime, W o custo de oportunidade, M o custo moral, C custo de execuo e planejamento do crime e o termo P(Pu) representa o custo associado apunio (Pu) e sua respectiva probabilidade de ocorrer P. Como o objetivo a construo deum modelo que relacione a criminalidade e tamanho das cidades, este artigo segue Glaeser eSacerdote (1999), entretanto so feitos alguns acrscimos. O modelo apresentado neste artigodesagrega os custos incorridos na atividade criminosa, dando destaque ao papel dos custosmorais, j comentados na seo anterior. O modelo assume que existem alguns atributosindividuais, representados por X, provavelmente determinados pela histria de vida doindividuo, que influenciam o seu custo de oportunidade, seu custo moral, custo de execuo e

6planejamento e o custo associado punio. Estas variveis tambm so influenciadas peloambiente em que os indivduos esto inseridos, conforme prediz a abordagem ecolgica, estasinfluncias so representadas por Z. Existem tambm caractersticas de cada cidade, quepodem ser o seu tamanho, sua forma de organizao, sua forma de lidar com criminosos, suasformas de insero social, entre outras. Estas caractersticas que representam o macrossistemade cada local so representadas por Y. Estas influenciam diretamente os benefcios do crime ea probabilidade de ser punido. Estas caractersticas locais tambm afetam o ambiente em queos indivduos esto inseridos, pois cada cidade tem um conjunto de caractersticas diferentes.Assumindo que o benefcio do crime uma funo decrescente da quantidade de crimescometidos, denotados por Q, no equilbrio tm-se que:

( ) ( )( ) ( )( ) ( )( ) ( ) ( )( )YZ,XPuYPYZ,XCYZ,XMYZ,XWQ,YB +++= (2)Diferenciando (2) pode-se determinar como os atributos locais afetam a criminalidade:

( ) ( ) ( ) ( )( )Q

YXXXXZZZZ

B

BPuY'PdYdXPuX.PCMWY'ZPu.PCMW

YQ ++++++++= (3)

Assim, a quantidade mdia de crimes em uma determinada cidade depende de suascaractersticas locais, representadas por Y. As caractersticas locais afetam a probabilidade de

ser punido, representado pelo termo QB

P(Y)Pu e alteram o retorno do crime, representado pelo

termo Q

Y

BB . Como estas caractersticas tambm afetam o ambiente em que os indivduos

esto inseridos, ento os custos do crime tambm so afetados por caractersticas endgenas,

representados pelo termo ( ) ( )

Q

ZZZZ

BY'ZPu.PCMW +++ . A quantidade de crimes tambm

depende de atributos individuais exgenos, representados pelo termo

( )Q

XXXX

BdYdXPu.PCMW +++

. Este modelo permite discutir a criminalidade em cidades a

partir de quatro tipos de explicao: o efeito das caractersticas das cidades no retorno docrime e na probabilidade de ser punido; e atravs de caractersticas exgenas e endgenas.

A equao (3) tambm pode ser escrita na forma de elasticidades. Aps algumalgebrismo tem-se que4:

( ) ( )( ) ( )

dYdX

QBYPu.PCMW

QBYY'ZPu.PCMW

PuYPB

QXXXX

QZZZZ

BY

QP

YPY

QP

QY ++++++++=

(4)Assim, a elasticidade do crime com relao s caractersticas uma cidade depende:

a) Da elasticidade da criminalidade com relao probabilidade de ser punido;b) Da elasticidade da probabilidade de ser punido a caracterstica da cidade;c) Da elasticidade de benefcio do crime caracterstica da cidade;

4 As demonstraes so apresentadas no apndice.

7d) De caractersticas endgenas e exgenas.

Desta forma, estas variveis explicam teoricamente a criminalidade em uma determinadacidade. Como este artigo objetiva explicar o porqu de a criminalidade ser maior em cidadesmaiores, a caracterstica principal a ser discutida ser o tamanho da cidade e seus efeitosnestas variveis explicativas. A prxima subseo discute o papel destas variveis naexplicao da criminalidade e as suas relaes com o tamanho das cidades. Os argumentosapresentados sero a base terica para a implementao emprica apresentada mais adiante.

2.2. Criminalidade e o tamanho das cidades: seus determinantes

a) A probabilidade de ser punido

O modelo apresentado por Becker (1968) deixa claro que a criminalidade sensvel aprobabilidade de ser punido e a severidade da punio. Os trabalhos empricos feitos scorroboraram com as concluses do modelo. O trabalho precursor de Ehrlich (1972)encontrou coeficientes negativos estatisticamente significantes para a probabilidade de serpunido, mas no encontrou resultados semelhantes para a severidade da pena. Esta pode seruma sntese do que foi feito posteriormente.

No que tange a probabilidade de ser punido, Eide (1994) resume as estimativas feitaspor 20 estudos que utilizam diferentes bases de dados e modelos. Segundo autor, a grandemaioria dos trabalhos empricos sobre o tema encontram resultados semelhantes, algunsvariam o tamanho da elasticidade, mas praticamente todos obtm o mesmo sinal esignificncia.

J com relao severidade da punio no existe tal unanimidade e os resultados sona maior parte inconclusos. Archer e Gartner (1984), no encontraram resultados significantespara pena de morte em um estudo para pases. Recentemente, Fajnzylber, Lederman e Loayza(2001) encontraram resultados semelhantes. Outros trabalhos, tais como Wolpin (1978), queutilizou uma srie temporal para a Inglaterra e Pas de Gales no perodo de 1894-1967 etambm no encontrou resultados estatisticamente significantes para vrios tipos de crime etamanho da pena. Por outro lado, Wolpin (1980) em pesquisa semelhante utilizando dados daInglaterra, dos Estados Unidos e do Japo encontrou resultados negativos significativos.Certamente neste caso existe um espao para pesquisas futuras. Entretanto, alguns desafioseconomtricos precisam ser vencidos. Isto porque trabalhos empricos que relacionam aprobabilidade de ser punido e a severidade da punio sofrem de um problema de causalidadeinversa. No s os criminosos reagem a alteraes destas variveis, mas tambm estasvariveis so alteradas com a mudana nos nveis de criminalidade, pois a sociedade tende areagir ao aumento das mesmas. Portanto, no difcil observar casos em que a severidade daspunies, os gastos em segurana pblica e o nmero de policiais sejam maiores em locaismais violentos.

O tamanho das cidades tem um papel significativo na probabilidade de punioreduzindo a mesma. Isto pode ser explicado pelo anonimato existente em grandes cidades.Inicialmente, no existe uma ligao entre a policia e os residentes, ou seja, diferentemente deuma cidade pequena em que a policia conhece praticamente toda a populao, em cidadesmaiores os policiais tem dificuldades para identificar criminosos potenciais. Alm disso, oanonimato diminui muito a chance de reconhecimento do criminoso por parte da vtima.Assim, aps a ocorrncia de um crime o processo de investigao fica prejudicado em umagrande cidade, pois fica difcil restringir o nmero de suspeitos. Isto gera um grande nmerode crimes que no so solucionados em cidades maiores, que acabam por gerar outroproblema: a sub-denncia. Como as vitimas conhecem as dificuldades encontradas pela

8polcia em solucionar crimes, estes no denunciam, dificultando ainda mais o trabalhopolicial.

b) Retornos do crime

O arcabouo terico da Nova Geografia Econmica mostra que as atividades iroconcentrar-se em determinadas cidades a fim de obter algum tipo de economias de escala oureduo nos custos de transporte, so as chamadas foras centrpetas de aglomerao. Ciconnee Hall (1995) mostraram que trabalhadores so mais bem remunerados em regies maisdensas. Desta forma, a concentrao de riqueza em grandes cidades aumentaria acriminalidade nas mesmas, pois os criminosos obteriam um maior retorno do crime.

Este retorno tambm seria maior porque em cidades maiores os criminosos podemselecionar melhor as suas vtimas, dada a grande quantidade de vitimas potenciais. Glaeser eSacerdote (1999), pg. 12, destacam: If the method of street criminals is essentially to sit andwait for prospective victims who come within their range of sight, a dense area will have amuch larger stream of potential victims then an empty area. Neste caso, os criminosos noprecisam procurar as vtimas, pois estas vm at ele. Isto permitiria ao criminoso obter algumtipo de ganho de escala aumentando o seu nmero de crimes e assim, aumentando o seuretorno da atividade criminosa.

Outro aspecto relevante que grandes cidades criam no s o anonimato para osindivduos, mas tambm para os objetos. Uma vez que um objeto roubado dificilmente omesmo recuperado, pois fica difcil de comprovar a sua propriedade. Desta forma, grandescidades criam um grande mercado para produtos roubados, que facilitam o criminoso a sedesfazer dos produtos e aumentar seu retorno.

Por fim, cidades maiores aproximam criminosos potenciais de vitimas potenciais. Aproximidade entre ricos e pobres cria a oportunidade para a prtica do crime, pois facilita aidentificao e estudo dos hbitos das vtimas potenciais por parte dos criminosos. Istodiminuiria os custos de planejamento e execuo do crime e, portanto, aumenta o retorno docriminoso.

c) Caractersticas Exgenas

As caractersticas exgenas da criminalidade englobam os fatores em que ascaractersticas locais tm pouca influncia. Estas vo desde alguns atributos individuais at aefeitos culturais mais amplos. Inicialmente, cada indivduo tem seu grau de averso ao risco,que pode determinar a sua propenso a atividade criminosa. Vale ressaltar que o grau deaverso ao risco modifica-se com o passar do tempo e muito mais comum encontrar jovenspropensos ao risco do que indivduos em idade avanada. Entretanto, as caractersticas locaisafetam a probabilidade de um indivduo ser punido, portanto alteram o risco da atividade, masno alteram a averso ao risco de um indivduo, pois esta uma caracterstica individualexgena.

Outra caracterstica exgena o histrico de relacionamentos do indivduo, queconforme ressaltado anteriormente fundamental na sua construo de valores que este irseguir. Neste caso, a famlia, como inclusa na primeira etapa deste processo, tem um papelfundamental. Inicialmente, apresenta ao indivduo as primeiras noes de certo e erradodurante a sua infncia. tambm nesta etapa em que os pais passaro tambm aos seus filhoso papel da escola em suas vidas. Estas idias podem ser observadas nos trabalhos de Becker eTomes (1978), que mostraram que as caractersticas dos pais afetam a transmisso de capitalhumano e Becker e Mulligan (1994), que estas caractersticas dos pais afetam as prefernciasdas crianas. Em suma, as caractersticas da famlia determinam um conjunto inicial de

9valores que podem afetar a vida do indivduo para sempre, por exemplo, a propenso de umindivduo vtima de violncia a engajar-se na atividade criminosa ou praticar algum atoviolento certamente maior do que a de um indivduo que no foi vtima.

A ausncia da escola na vida do indivduo ir afeta-lo de duas formas: na formao devalores morais e na acumulao de capital humano. Na primeira forma, a escola assume umpapel fundamental na formao de valores morais, pois na escola que muitas vezes oindivduo comea a interagir e ter relacionamentos fora de sua famlia, portanto passa asprimeiras noes de convivncia em sociedade. Os professores, assim como os pais, podemassumir o papel de transmisso de valores morais, que sero importantes na construo dosvalores prprios da criana. Vale lembrar, que estes valores sero autoconstrudos e que cadaetapa da vida de um indivduo influenciar est construo. Na segunda forma, a ausncia daescola diminuir seu estoque de capital humano individual, que implicar em baixos retornosno mercado legal no futuro e um baixo custo de oportunidade.

A abordagem ecolgica destaca o papel do ambiente no processo de construo devalores. O ambiente envolve as cidades, mas extrapola as suas fronteiras. A cultura de umacidade importante, mas ela faz parte de algo maior, a cultura do pas, a qual sofre influnciasrelevantes dos meios de comunicao. Neste caso, a maneira como os meios de comunicaotratam dos assuntos relacionados violncia certamente influenciaro a criminalidade. Porexemplo, dependendo do enfoque dado aos temas pelos meios de comunicao, os indivduospassam a incorporar a idia de normalidade em determinadas atividades contrrias s leis. NoBrasil, estes seriam os casos das atividades de contrabando e de jogos ilegais. O caso ficamais complicado quando existe por parte dos meios de comunicao uma excessiva exposioda violncia. Esta diminui os custos de execuo e planejamento de um crime, poisdiariamente transmite ensinamentos de como se praticar crimes. Por outro lado, existetambm uma espcie de culto a violncia, que se manifesta quando criminosos violentos soenaltecidos pelos seus feitos cruis. Estes podem servir de exemplo e podem atrair a atenode indivduos que gostariam de ser reconhecidos. No Brasil, isto explicaria a criminalidadepor parte de adolescentes de classes mdia e alta.

Por fim, existem outras caractersticas exgenas relacionadas economia nacional quepodem aumentar a criminalidade. A mudana estrutural ocorrida na indstria nacionalassociada uma mudana no do papel do Estado na economia brasileira geraram umadiminuio no emprego e, portanto, uma reduo do retorno das atividades legais. possvelperceber um aumento da economia informal e ilegal. Este seria o caso do aumento no nmerode ambulantes vendedores de produtos pirateados e/ou contrabandeados no pas, trata-se deum fenmeno nacional. A inexistncia de oportunidades para os mais jovens tambm pode serum fator relevante na explicao da criminalidade. Este considerado exgeno porque estrelacionado a uma escolha de poltica nacional. O Estado brasileiro escolheu gastar a maiorparte de seus escassos recursos com as faixas etrias mais altas, pagando aposentadorias, emdetrimento de outras faixas etrias mais propensas criminalidade.

d) Caractersticas endgenas

As caractersticas endgenas da criminalidade englobam os fatores em que o local teminfluncia na deciso de cometer ou no um crime. Estas captam os efeitos do macrossistemano indivduo. Anteriormente foi argumentado que as caractersticas da cidade influenciam osbenefcios do crime e a probabilidade de ser punido. Nesta subseo a argumentao de queestas caractersticas afetam tambm os custos de do crime.

Inicialmente, afetam os retornos da atividade legal, ou seja, os custos de oportunidade.Cada cidade tem um nvel de crescimento econmico e de expanso do mercado legal prprio.Um crescimento da cidade e do mercado de trabalho levariam a uma reduo da

10

criminalidade, principalmente se este atingir os mais pobres, pois se este ficar restrito aosmais ricos o efeito esperado o inverso. Alis, a excluso econmica pode ser um fatorreforador da criminalidade. Glaeser (1994), pg.21, justifica: The presence of a core groupof unhappy, low-skilled workers may be especially damaging to a city, particularly if theygenerate large negative spillovers such as riots, crime, or political difficulties.

Vale ressaltar que excluso no fica restrita a questo econmica, pois a inclusosocial tambm um fator relevante que afeta diretamente o custo moral de praticar um crime.Se um indivduo no se sente parte da sociedade, qual ser a chance deste seguir os valores enormas impostas por ela? Isto reduz os custos de entrada na atividade ilcita. O problema seagrava quando este vive em um ambiente cheio de excludos. Existe um processo deaglomerao dos mesmos e a maioria das cidades mdias e grandes possuem bairros inteirosdeste tipo. Estas regies costumam ser ignoradas pela sociedade e abandonadas pelo Estado.As condies de moradia so precrias uma vez que no h acesso a servios bsicos, taiscomo saneamento, sade e educao. No difcil observar nestas regies a presena devalores invertidos5, ou seja, o bandido o mocinho e a polcia o bandido, o que cria umatolerncia e proliferao da atividade criminosa. Este ambiente potencializa a criminalidade.Esta idia de interaes sociais potencializarem o crime pode ser vista em Glaeser, Sacerdotee Scheinkman (1996).

Outro aspecto relevante que cidades aproximam ricos de pobres, esta proximidadecria o que Merton (1972) inspirado em Durkheim (1897) chama de anomia. A anomia seria osentimento de frustrao do indivduo por no atingir metas desejadas por ele. A falta deperspectivas de atingir tais metas no mercado lcito cria um incentivo a participao nomercado ilcito, pois reduzem os seus custos de oportunidade de maneira intertemporal.Porm, se este sentimento de frustrao for acrescido de um sentimento de revolta istoreduziria tambm o seu custo moral, o que implicaria em uma maior propenso criminalidade.

3. Implementao emprica: Variveis escolhidas, mtodo e resultados.

Um problema comum nas estimativas de criminalidade que muita das variveisexplicativas utilizadas pela literatura tem uma correlao forte e, portanto, sofrem de umproblema de multicolinearidade. Apesar deste problema no afetar a qualidade dosestimadores ele dificulta a obteno de estimativas significantes para variveis explicativasimportantes indicadas pelos modelos tericos. Desta forma, uma maneira de se evitar oproblema dividindo o modelo emprico em mais de uma regresso, evitando colocar em umamesma regresso variveis com um alta correlao6. Para estimar os determinantes dacriminalidade em cidades, representadas no modelo pela equao (3), so utilizados dadoslongitudinais de todos os municpios brasileiros.

A varivel dependente utilizada a taxa de homicdios por 100.000 habitantes. A fontede obteno destes dados o Sistema de Informaes sobre Mortalidade (SIM) doDATASUS. As variveis independentes utilizadas so: os gastos em segurana pblicafornecidos pelo boletim finanas do Brasil, elaborado pela Secretaria do Tesouro Nacional; apopulao, a renda, o ndice de Gini, o acesso aos nveis de ensino, a densidade demogrfica,o percentual de pobres, o percentual de mulheres chefes de famlia e o percentual de famliasresidindo em sub-habitaes so fornecidos pelos censos demogrficos do IBGE e pelo

5 Cohen (1955) e White (1953) identificaram esta inverso de valores como subculturas.6 As correlaes entre as variveis utilizadas nas regresses so apresentadas no apndice na tabela A.5.

11

PNUD. Foram realizados seis regresses em painel com todos os 5507 municpios do Brasilnos anos de 1991 e 2000. A opo por um modelo em painel se deve ao ganho que se obtmpor unir dados cross-section e sries de tempo. Atravs dele possvel identificar e incorporara heterogeneidade existente entre as cidades brasileiras. Desta forma, o modelo economtricoutilizado neste artigo segue a seguinte especificao:

,x'H t,iit,it,i ++= para i=1,...,N ; t=1,...,T (5)onde Hi,t representa o nmero de homicdios per capita praticados na cidade i no tempo t, xi,trepresenta o vetor de variveis explicativas sugeridas pelo modelo terico, representa umvetor de parmetros a serem estimados e ii u+= representa os efeitos individuais dosdados cross-section mantendo constante o tempo t. Neste caso, se i constante para todas asunidades (cidades), ou seja, tem-se que a 02

i= , o modelo adequado o de mnimos

quadrados ordinrios. Isto significa dizer que para obter estimadores consistentes e eficientesuma regresso do tipo pooling regression suficiente. Esta hiptese pode ser testada atravsdo teste do multiplicador de Lagrange de Breuch-Pagan para efeitos aleatrios, que testa ahiptese nula de que a varincia dos efeitos individuais ser igual a zero. Conforme mostra atabela 1 est hiptese rejeitada em todos modelos estimados, logo uma estimao pormnimos quadrados ordinrios no adequada. Segundo Greene (2000) os efeitos individuaisdevem sempre ser tratados como aleatrios. Isto significa dizer que i representa um distrbioestocstico prprio dos indivduos. Neste caso, possvel obter estimativas consistentes eeficientes para os parmetros a partir de estimao por mnimos quadrados generalizados,conhecido na literatura como estimador de efeito aleatrio, GLS . O problema desteprocedimento que a consistncia de GLS depende da hiptese de que ( ) 0x\E = , ou seja,os efeitos aleatrios tem que necessariamente serem ortogonais aos regressores. Caso estahiptese no se verifique, pode-se optar por um modelo que assume que i constante paracada indivduo, ou seja, um modelo com efeitos fixos. A principal vantagem do modelo comefeitos fixos de que este no precisa da hiptese de ( ) 0x\E = para gerar estimadoresconsistentes e eficientes. Na realidade se estima um modelo do tipo:

,D'x'H t,iit,it,i ++= (6)onde D representa um vetor de variveis dummy. Neste modelo, a utilizao de dummiesobjetiva captar a heterogeneidade existente nas cidades. Este estimador, conhecido comoestimadores de Least Squares Dummy Variable (LSDV) gera estimadores eficientes econsistentes. O problema que a sua utilizao implica em uma perda significativa de grausde liberdade. Um procedimento alternativo seria a utilizao de um estimador intra-grupo(within) e de um estimador entre-grupos (between). Inicialmente, se faz uma transformao naequao (5), visando eliminar o efeito do componente no observado ui. O procedimentoutilizado para este fim o de estimar um modelo de regresso formulado em termos da mdiado grupo, da seguinte forma:

itii

_

i

_

ux'H +++= ( 7 )

12

onde T

HH

T

1t iti

_ == , T

xx

T

1t iti

_ == e T

T

1t iti == . Subtraindo a equao (7) da (5) para cada

t, o resultado uma equao que representa os desvios da mdia do grupo dada por:

iiti

_

iti

_

it )xx('HH += (8)Ao descontar o efeito temporal da equao (5) removeu-se o efeito especfico a cadamunicpio ui. Ao estimar a equao (8) por mnimos quadrados ordinrios obtm-se oestimador within. Observa-se que a variao empregada para identificar os coeficientes aquela que ocorre dentro dos grupos uma vez que as diferenas entre os grupos forameliminadas ao subtrair as mdias de cada grupo. Considera-se o estimador within igual aocomputado pelo Least Square Dummy Variable (LSDV). O estimador between, obtido pormeio da equao (7) e reflete apenas a variao entre as observaes de cross-section.

Dentre os mtodos apresentados, qual o mais adequado para este artigo? Cada um temsuas vantagens e desvantagens, no caso da criminalidade difcil imaginar que variveisomitidas no se correlacionem com as variveis explicativas. A justificativa mais comumneste caso de existe diferenas culturais que no so colocadas no modelo e que certamenteinfluenciam tambm as variveis explicativas. Uma maneira de testar a existncia destacorrelao atravs do teste de Hausman. O teste parte do pressuposto de que se a hiptesenula de ortogonalidade entre os efeitos aleatrios e os regressores, tanto o estimador de efeitofixo quanto o estimador de GLS de efeito aleatrio so consistentes. Sob a hiptese alternativao estimador de efeitos fixos consistente enquanto o estimador GLS no apresenta essapropriedade. Desta forma, se a hiptese nula verdadeira os dois estimadores no devemdiferir sistematicamente. Os resultados mostrados na tabela 1 indicam que a hiptese nula no aceita em nenhum dos modelos estimados, o que implica que somente os estimadores deefeitos fixos geram estimadores consistentes. Assim, somente so mostrados na Tabela 1 osresultados estimados por efeitos fixos (estimador within).

So estimadas seis regresses diferentes com a finalidade de testar as variveissugeridas pelo modelo apresentado. Apesar de um dos objetivos ser o de calcular algumaselasticidades, o modelo utilizado neste artigo linear. Isto porque algumas variveisapresentam um grande nmero de zeros e outras esto compreendidas no intervalo entre zeroe um, o que inviabiliza a utilizao de logaritmos. Isto dificulta a interpretao doscoeficientes estimados e impossibilita as comparaes com outros trabalhos. A fim deminimizar este problema so calculadas as elasticidades com relao as variveis estimadas,entretanto vale lembrar que cada cidade possuir suas prprias elasticidades. Assim, noapndice as tabelas A.3. e A.4. apresentam as elasticidades de algumas cidades selecionadase as elasticidades para o Brasil.

A equao (1) apresenta uma equao bsica. Nela esto contidas as variveistradicionalmente utilizadas na explicao da criminalidade. As equaes (2) e (3) destacam osefeitos da caracterstica da cidade sobre a criminalidade. Neste artigo, a caracterstica maisdestacada o tamanho das cidades e sua contribuio para o aumento da criminalidade. Osresultados mostram que os aumentos da populao e da densidade demogrfica afetampositivamente a criminalidade. No caso brasileiro, a elasticidade do crime com relao aotamanho da cidade era em 1991, 1,02 e em 2000, 0,80. Valores muito acima dos 0,16encontrado por Glaeser e Sacerdote (1999) para as cidades americanas e estas so as maioreselasticidades encontradas nas regresses. Estes resultados j eram esperados, pois segundo omodelo terico, as outras elasticidades calculadas so apenas uma decomposio destaprimeira. A elasticidade do crime com relao densidade demogrfica apresenta valoresmenores, cerca de 0,013 em 1991 e 0,012 em 2000. Estes resultados encontrados so

13

corroborados pelo grfico 1, que mostra a relao entre o tamanho das cidades brasileiras e amdia de homicdios. Como pode ser observado a criminalidade aumenta consideravelmentecom o tamanho das cidades. O grfico mostra que os ndices de criminalidade permanecerampraticamente estveis nas cidades com at 100.000 habitantes, mas aumentaramconsideravelmente nas cidades maiores.

GRFICO 1Criminalidade e o Tamanho das Cidades Brasileiras 1991-2000

0

10

20

30

40

50

60

0-25.000

25.000-50.000

50.000-100.000

100.000-500.000

500.000-1.000.000

1.000.000-

Populao

Hom

icd

ios

por 1

00.0

00 h

ab.

19912000

Fonte: Elaborao prpria.

A maior parte dos sinais das variveis so os esperados. Cabe ressaltar a exceo dosgastos em segurana pblica por habitante, que se mostra no significativo em todas asregresses. A sua incluso se deve a necessidade de se ter uma varivel proxi paraprobabilidade de ser punido. A priori se espera que os aumentos de gastos em seguranapblica aumentem a probabilidade de punio dos criminosos. Como j foi salientadoanteriormente estes dados normalmente apresentam problemas de causalidade inversa, pois osgastos tambm tendem a aumentar quando a criminalidade aumenta. No a primeira vez queesta varivel proxi se apresenta insignificante, nos trabalhos de Mendona (2001) e Kume(2004) ocorre o mesmo. Kume (2004) argumenta que isto se deve a m gesto dos recursospblicos que implicariam na ineficincia do controle da criminalidade. Entretanto, Gutierrezet al (2004) utilizando um estimador de GMM para painel encontra resultados significantes enegativos para a mesma varivel. Neste artigo, a utilizao de dados municipais prejudica autilizao desta varivel. Isto porque no Brasil a responsabilidade da segurana pblica dosEstados e da Unio. As iniciativas de utilizao de recursos municipais em segurana pblicavm a atender a uma demanda da sociedade quando esta identifica que os esforos que estosendo feitos no controle da criminalidade so insuficientes. Um grande nmero de municpiosbrasileiros possuem gastos com segurana pblica, mas estes no podem constituir forasarmadas e de investigao, o que certamente limita a eficincia de seus gastos. Apesar destesproblemas, esta varivel deve ser includa para que no se incorra em um erro deespecificao, pois como destacam Arajo Jr e Fajnzylber (2001b) esta varivel representa a

14

funo demanda por crimes e a sua excluso implicaria em se estudar somente a funo ofertade crimes7. A falta de parmetros significativos para esta varivel impossibilita o clculo daelasticidade da criminalidade com relao probabilidade de ser punido e da elasticidade daprobabilidade de ser punido a caracterstica da cidade.

TABELA 1Modelo Economtrico para Criminalidade nas Cidades Brasileiras 1991-2000

Varivel dependente: Taxa de homicdios por 100.000 habitantesEq.(1) Eq.(2) Eq.(3) Eq.(4) Eq.(5) Eq.(6)

Constante 4.0546 -80.8092 1.5635 -3.7749 -8.4056 4.1221(1.389) (12.021) (1.448) (2.031) (2.298) (1.390)

Renda10rico 0.0041 0.0034 0.0039 0.0042 0.0041(0.0009) (0.0009) (0.0009) (0.0009) (0.0009)

Renda20pobre -0.0680 -0.0564 -0.0494 -0.0662(0.0217) (0.0217) (0.0219) (0.0217)

MCF 0.3657 0.4351 0.4473 0.3212 0.3664 0.3772(0.1344) (0.1341) (0.1347) (0.1342) (0.1340) (0.1345)

Escola 1 0.0168 0.0105 0.0228 0.0034 0.0249 0.0163(0.0090) (0.0090) (0.0090) (0.0099) (0.0086) (0.0090)

Escola 2 0.0262 0.0167 0.0184 0.0351 0.0279 0.0250(0.0110) (0.0111) (0.0111) (0.0106) (0.0110) (0.0111)

Escola3 -0.1258 -0.1239 -0.1353 -0.0919 -0.1610 -0.1280(0.0548) (0.0545) (0.0546) (0.0512) (0.05262) (0.0548)

GSPH 3.24e-07 2.38e-07 2.92e-07 3.30e-07 2.22e-07 3.29e-07(3.41e-07) (3.40e-07) (3.40e-07) (3.41e-07) (3.41e-07) (3.41e-07)

Lpop 21.1856(2.9811)

Densidade 0.0161(0.0027)

Gini 18.1283(3.9442)

Pobres 0.2074(0.0380)

Favela -0.1739(0.0953)

Teste deBreusch-Pagan

469.88 415.72 414.70 556.45 484.93 445.94

Teste deHausman 145.25 87.34 126.09 118.55 136.29 172.50

Rho 0.5011 0.5308 0.5189 0.5057 0.5079 0.5041

R2 0.0488 0.0966 0.0672 0.0269 0.0220 0.0956Fonte: Elaborao prpria.

7 op cit, pg 337.

15

Muitos trabalhos afirmam que a renda possui um sinal esperado ambguo, pois teriaefeitos tanto nos benefcios do crime quanto nos custos de oportunidade. Entretanto,praticamente todos os trabalhos feitos para o Brasil encontram um sinal positivo para estavarivel o que implicaria que o primeiro efeito domina o segundo. O problema que se podeconcluir que o crescimento econmico no caso brasileiro implicaria em uma maiorcriminalidade. Este artigo, diferentemente dos anteriores, decompe a renda em duas partes: arenda mdia dos dez por cento mais ricos representa o benefcio do crime e a renda mdia dosvinte por cento mais pobres representa o custo de oportunidade. Os resultados so osesperados, um aumento na renda dos mais ricos aumenta a criminalidade e um aumento narenda dos mais pobres reduz a criminalidade. Os valores estimados mostram que asensibilidade da criminalidade renda dos mais ricos superior a renda dos mais pobres. Poisa elasticidade da criminalidade com relao renda dos mais ricos era de 0,24 em 2000 e comrelao renda dos mais pobres era de 0,05. Porm, os resultados obtidos na equao (5)onde a pobreza assume o papel de custo de oportunidade, a elasticidade do crime com relao pobreza alta, cerca de 0,25 em 2000. O que permite concluir que polticas de crescimentoeconmico que consigam aumentar a renda dos mais pobres e reduzir a pobreza reduzem acriminalidade.

A varivel mulheres chefes de famlia representam o papel da famlia nodesenvolvimento do indivduo. Este um fator exgeno relevante nos determinantes dacriminalidade. Outros trabalhos, tais como Arajo Jr e Fajnzylber (2001a,b) e Glaeser eSacerdote (1999), tambm incluem esta varivel e assim como este artigo encontram um sinalpositivo para a mesma. A explicao que apesar de famlias monoparentais serem umfenmeno cada vez mais comum estas em mdia representam um fator de risco mais do queum fator de proteo com relao criminalidade. Estas famlias quando chefiadas pormulheres possuem vrios problemas, que comeam pela reduo da renda familiar, pois hsomente uma fonte de renda, e vo at a problemas para a criao dos filhos. Uma vez que achefe de famlia a responsvel pelo sustento da residncia, no incomum a criao dosindivduos por irmos mais velhos, por outros familiares e em casos extremos, at o abandonodos mesmos, que acabam em situao de rua. Estes problemas no microssistema dosindivduos afetaro o seu desenvolvimento, incluindo o seu desenvolvimento moral. Estasrelaes faro parte da histria de vida do indivduo e sero partes da construo dos seusvalores morais. Estes afetam diretamente os custos morais de se praticar um crime e porconseqncia afetam a sua deciso entre o mercado lcito e ilcito. Logo, a presena defamlias monoparentais chefiadas por mulheres representa uma condio de vulnerabilidadeque afeta positivamente a criminalidade. A elasticidade do crime com relao ao percentualde mulheres chefes de famlia era cerca de 0,14 em 1991 e de 0,08 em 2000.

Outro tema controverso sobre o papel da escola na reduo da criminalidade. Apriori se espera que a escola reduza a criminalidade. A explicao econmica simples, umbaixo capital humano implica em baixos retornos no mercado lcito e isto implica em baixoscustos de oportunidade para praticar crimes. Outro papel relevante da escola que estatambm faz parte do processo de desenvolvimento moral do indivduo, pois nela osindivduos passam por experincias sociais fora de seu microssistema inicial. Assim, ela temum papel no processo de incluso social do indivduo, quando o mesmo passa a interagir comoutros indivduos. Este processo de desenvolvimento moral, como j foi destacadoanteriormente, afeta os custos morais e por conseqncia a criminalidade. Por estesargumentos a escola pode ser considerada como um fator exgeno na explicao dacriminalidade em cidades, pois estudar ou no seria uma deciso individual. Entretanto, aescola tambm um fator endgeno, pois o acesso ao ensino no depende somente doindivduo, depende tambm do contexto em que o mesmo est inserido. Assim, a escola uma varivel que representa tanto fatores exgenos quanto endgenos. Apesar de o acesso a

16

escola ter uma participao relevante na explicao da criminalidade o que se v que amaioria dos trabalhos no utiliza esta varivel e quando utiliza encontra resultadosinsignificantes para a escolaridade. Este o caso de Glaeser e Sacerdote (1996) e Arajo Jr eFajnzylber (2001). Ehrlich (1972) encontrou resultados positivos. Somente Kume (2004)encontra um sinal negativo. A decomposio da escolaridade nos trs nveis de ensinoadotados no Brasil, a dizer, fundamental, mdio e superior ajuda a entender o papel da escolana criminalidade.

Inicialmente os resultados para escola so significativos. O sinal para o acesso aoensino fundamental mostra-se ambguo. Isto porque a varivel escola 1 apesar de ter valoresestimados positivos, possui um intervalo de confiana a 95% de significncia que incluivalores negativos. Entretanto, a varivel escola 2, que representa o acesso ao ensino mdio positiva. Somente a varivel escola 3, que representa o ensino superior que afetanegativamente a criminalidade, com uma elasticidade de 0,06 em 1991 e -0,08 em 2000.Uma explicao possvel que existe uma grande dificuldade de insero no mercado detrabalho com baixa qualificao. Neste caso, o ensino fundamental e mdio no estariamatendendo as demandas do mercado de trabalho, que exige algum tipo de qualificao, quepelo sistema de ensino brasileiro s ocorre no ensino superior. Os resultados permitemespecular que a escola tambm no est cumprindo seu papel na passagem de valores moraispara os indivduos. Na realidade no existe um consenso do modo como isto deve ser feito.No Brasil, no perodo da ditadura, isto foi feito por decreto com a incluso da disciplina deEducao moral e cvica. Entretanto, com o fim da ditadura e restabelecimento da democraciaficou uma lacuna preenchida pela transferncia de responsabilidades. Os pais atribuem estepapel as escolas e as escolas atribuem este papel aos pais. Na verdade ambos so participes doprocesso e escola no pode se furtar deste papel.

Outra varivel explicativa relevante a desigualdade de renda. possvel afirmarinclusive que a desigualdade de renda afeta positivamente j pode ser considerado um fatoestilizado uma vez que todos os trabalhos empricos chegam ao mesmo resultado. Tanto queexistem alguns trabalhos somente interessados em explicar esta relao. A explicao maiscomum feita por economistas8 de que a desigualdade renda serve como proxi para adiferena entre os benefcios do crime, representada pela renda das vtimas potenciais, commaior renda e os custos de oportunidade para o crime, representado pela renda de criminosospotenciais, com menores rendimentos. Isto explica o porqu de a equao (4) excluir asvariveis renda, pois a desigualdade capta justamente a diferena entre estas variveis e existeuma alta correlao entre as mesmas. Os resultados obtidos so os esperados. Quanto maior adesigualdade maior a criminalidade. A elasticidades calculadas so de 0,55 em 1991 e 0,44em 2000. So valores muito altos, somente inferiores a elasticidade do crime com relao aotamanho da populao, o que reafirma a relevncia desta varivel na explicao dacriminalidade.

Estes resultados podem ser explicados pela perspectiva sociolgica, que explica estarelao relevante pela anomia. A frustrao de observar determinadas metas que no terocondies de serem atingidas levam o indivduo a criminalidade por dois meios: Em primeirolugar, afetando a relao custo de oportunidade e benefcio do crime, no caso de o mercadoilcito oferecer uma perspectiva de ganhos futuros maiores do que o lcito, e em segundolugar, se isto lhe causar algum tipo de revolta, reduziria o seu custo moral de praticar umcrime. Este fenmeno sociolgico certamente esta associado s caractersticas da cidade, oque implica que se trata de uma varivel endgena. Em cidades maiores em que as diferenasde renda so facilmente observveis e existe uma proximidade muito grande de indivduoscom rendas diferentes o potencial da anomia no crime maior. maior porque o indivduo s

8 Ver Fajnzylber, Lederman e Loayza (2000).

17

sentir a falta de bens materiais que ele conhece. Ele s sentir frustrado se puder observaroutros indivduos que possuem bens materiais diferentes daqueles que ele tem condies deobter. Isto pode gerar alm do sentimento de frustrao um sentimento de revolta, quereduziria os seus custos morais de praticar um crime. Reduziria estes custos porque oindivduo no se sentindo parte daquele ambiente experimentado por outros se senteinjustiado e pratica o crime a fim de restabelecer a justia social.

A equao (6) utiliza a varivel favela, que representa o percentual de indivduos quevivem em sub-habitaes. Esta serve de proxi para ambientes ruins, que incluem vriosindivduos excludos economicamente e socialmente. Como j foi comentado, estes ambientesruins podem gerar valores distorcidos, que reduziriam os custos morais do crime, e poderiamgerar um conhecimento comum da prtica do crime, que reduziriam os custos de execuo eplanejamento do crime. Esta uma varivel endgena que deve ser testada, principalmentequando se utilizam dados para cidades, como o caso do presente artigo. A sua incluso nomodelo eleva o R2 de 0,04 para 0,09. Os resultados obtidos so ambguos, pois ao construirum intervalo com 95% de confiana, observa-se possibilidade de se ter valores positivos enegativos. Entretanto, vale ressaltar que a correlao entre esta varivel e a criminalidade positiva conforme pode ser visto na tabela A.5. do apndice.

4. Concluses

Este artigo teve como objetivo investigar as causas da criminalidade nas cidadesbrasileiras. Esta investigao levou a concluso de que a deciso de cometer um crimeenvolve um processo evolutivo anterior em que o ambiente de cada cidade fundamentalneste processo. Este ambiente chamado de macrossistema possui caractersticas prprias,dentre as quais se destaca o tamanho das cidades. A utilizao de dados municipais permitiuobservar que este um fator relevante na explicao da criminalidade. Segundo o modeloapresentado, a criminalidade maior em grandes cidades porque existe um maior retorno docrime, uma probabilidade menor de ser punido, menores custos associados ao crime.

O modelo emprico apresentou os resultados esperados pelo modelo terico. O quereafirma a capacidade da economia no somente contribuir para a explicao dacriminalidade, mas tambm na sugesto de polticas pblicas mais eficientes. Neste casoficaram destacados os papis da desigualdade de renda e da pobreza como fatores quepotencializam a criminalidade. As altas elasticidades encontradas permitem concluir quequalquer poltica pblica que pretenda reduzir a criminalidade tem que considerar a reduode ambos. Os resultados obtidos tambm mostram que o crescimento econmico no implicaem aumento da criminalidade conforme concluem trabalhos anteriores. Entretanto, isto socorrer se o crescimento econmico aumentar a renda dos mais pobres, caso contrrio, o quese observar ser o aumento da criminalidade.

Os resultados obtidos mostraram que o papel da escola na reduo da criminalidadeno foi o esperado. As elasticidades positivas encontradas para os ensinos fundamental emdio servem de alerta para o fato de que a escola pode no estar cumprindo com seu papelde inserir o indivduo no mercado de trabalho e de passar valores morais aos mesmos. Novaspesquisas sobre o tema devem ser feitas a fim de sugerir polticas pblicas que garantam que aescola cumpra ambos os papis.

Ficou destacado tambm neste artigo o papel da famlia na explicao dacriminalidade. O modelo terico mostrou que a famlia tem um papel fundamental naformao de valores morais dos indivduos, que por sua vez, afetam os custos morais decometer um crime. Qualquer alterao na estrutura da famlia pode alterar estes custos e

18

potencializar a criminalidade. Os resultados positivos obtidos para mulheres chefes de famliacorroboraram com estes argumentos. Em algumas cidades foram encontradas altaselasticidades do crime com relao estrutura familiar. Nestes casos, programas deplanejamento familiar e de reduo de gravidez na adolescncia seriam as sugestes depoltica mais recomendadas.

5. Referncias Bibliogrficas

Arajo, A. F.; Fajnzylber, P. O que causa a criminalidade violenta no Brasil? Uma anlise apartir do modelo econmico do crime: 1981 a 1996. Mimeo, 2001a.

________ Violncia e Criminalidade In: Microeconomia e Sociedade no Brasil, MarcosLisboa e Narcio Menezes-Filho (Eds.). FGV/EPGE, Rio de Janeiro: EditoraContracapa, 2001b.

Archer, D.; Gartner, R. Violence and crime in cross-national perspective. Yale UniversityPress, New Haven, 1984.

Becker, G. S. Crime and Punishment: An Economic Approach, Journal of PoliticalEconomy. 76. p.169-217, 1968.

Becker, G. S.; Tomes, An equilibrium theory of the distribution of income andintergenerational mobility Journal of Political Economy. 87. p. 153-1189, 1978.

Becker, G. S.; Mulligan, On the endogenous formation of time preference. Mimeo, 1994.Bronfenbrenner, U. A ecologia do desenvolvimento humano: experimentos naturais e

planejados. Porto Alegre: Artes Mdicas, 1996. (Originalmente publicado em 1979).Cerqueira, D.; Lobo, W. Condies socioeconmicas, polcia e produo criminal. IPEA,

Mimeo, 2003a.________ Determinantes da Criminalidade: Uma Resenha dos Modelos Tericos e

Resultados Empricos IPEA, Mimeo, 2003b.Ciccone, P.; Hall, R. Productivity and Density of Economic Activity American Economic

Review. 86, p. 54-70, 1995.Ehrlich, I. The Deterrent Effect of Criminal Law Enforcement, Journal of Legal Studies,

1,p.259-276, 1972.Ehrlich, I. Participation in Illegitimate Activities: A Theoretical and Empirical

Investigation, Journal of Political Economy, 81, p. 521-565, 1973.Eide, E. Economics of Crime: Deterrence and the Rational Offender, Contributions to

Economic Analysis, Amsterdam, Oxford and Tokyo, North-Holland, 1994.Eide, E. Economics of Criminal Behavior Mimeo, 1999. Disponvel em:

Acesso em 11 jan. 2005.Fajnzylber, P.; Lederman, D.; Loayza, N. Inequality and violent crime World Bank,

Washington, DC. Mimeo, 1999a.________ Inequality and Violent Crime World Bank, Washington, DC. Mimeo. 1999b.________ What Causes Violent Crime European Economic Review, 46.p. 1323-1357,

2000.Glaeser, E. Cities, Information, and Economic Growth. Cityscape: Journal of Policy

Development and Research 1(1), p. 9-47, 1994.________ An Overview of Crime and Punishment Washington: World Bank. Mimeo, 1999.Glaeser, E.; Sacerdote, B.;Scheinkman, J. Crime and Social Interactions. Quarterly

Journal of Economics.111, p. 507-548. 1996.Glaeser, E.; Sacerdote, B. Why is There More Crime in Cities. Journal of Political

Economy, 107(6): p.225-258, 1999.

19

Greene, W. Econometric Analysis. Prentice Hall. 4 ed. 2000.Gutierrez, M. B.; Mendona, M. J.; Sachsida, A.; Loureiro, P.R. Inequality and Criminality

Revisited: further evidence from Brazil Apresentado no encontro da ANPEC 2004.Kume, L. Uma estimativa dos determinantes da taxa de criminalidade brasileira: uma

aplicao em painel dinmico. Apresentado no encontro da ANPEC 2004.Mendona, M. J. Um modelo de criminalidade para o caso brasileiro. Apresentado no

encontro da ANPEC 2001.Rauch, J. Productivity Gains From Geographic Concentration of Human Capital: Evidence

from the Cities, NBER Working Paper, WP N 3905, 1991.Paludo, S. A Expresso das Emoes Morais de Crianas em Situao de Rua. Dissertao de

Mestrado. UFRGS, 2004.Wolpin, K. Capital Punishment and Homicide in England: A Summary of Results"

American Economic Review Papers and Proceedings, 68, p.422-427, 1978.Wolpin, K. A Time Series-Cross Section Analysis of International Variation in Crime and

Punishment Review of Economics and Statistics, 62, p. 417-423, 1980.

20

6. Apndice

TABELA A.1.Descrio das Variveis

Homicdio Homicdios por 100.000 habitantes.

Renda10rico Renda per capita mdia do dcimo mais rico.

Renda20pobre Renda per capita mdia do quinto mais pobre.

MCF Percentual de mulheres chefes de famlia com filhos menores de 15anos.

Escola 1 Proporo de alunos freqentando o ensino fundamental em relao populao de 7 a 14 anos.

Escola 2 Proporo de alunos freqentando o ensino mdio em relao populao de 15 a 17 anos.

Escola 3 Proporo de alunos freqentando o ensino superior em relao apopulao de 18 a 22 anos.

GSPH Varivel proxi para custos de transporte medido pela distncia dacidade a capital do estado.Lpop Logaritmo da populao total.

Densidade Densidade demogrfica das cidades medida em hab/Km2.

Gini ndice de desigualdade de Gini.

Pobres Percentual de habitantes que possuam renda inferior a salriomnimo ajustados pelo custo de vida das regies.Favela Percentual de famlias residentes em domiclios sub-normais.

TABELA A.2.Estatstica Descritiva

Varivel Obs Mdia DesvioPadro Min Max

Homicidio 11014 9.1178 15.7010 0 212.82Gini 11014 0.5433 0.0602 0.35 0.82Pobres 11014 47.8449 10.3870 11.78 87.29MCF 11014 5.4040 2.0113 0.53 22.53Lpop 11014 4.0437 0.4742 2.7909 7.0184Densidade 11014 89.5325 492.4593 0.0896 12878.97GSPH 11014 60 077.12 507 825.20 0 34 700 000Renda20pobre 11014 25.0939 19.0451 0 155.12Renda10rico 11014 641.3288 420.2359 76.46 4 500.36Escola1 11014 107.0491 21.1676 15.88 175.83Escola2 11014 42.1920 28.5512 0.19 220.38Escola3 11014 6.15917 6.81118 0 65.87Favela 11014 0.47936 2.8313 0 87.7

21

TABELA A.3.Elasticidades de Municpios selecionados e Brasil 1991

Municpio PopulaototalHomicdios p/

hab. Renda10rico Renda20pobre Mcf Pobres

So Paulo (SP) 9 649 519 50.28 0.1945 -0.1078 0.0502 0.1905Rio de Janeiro (RJ) 5 480 768 35.01 0.2545 -0.1014 0.0780 0.2422Belo Horizonte (MG) 2 020 161 15.25 0.5290 -0.2202 0.2195 0.5165Fortaleza (CE) 1 768 637 20.75 0.2496 -0.0878 0.1861 0.4388Braslia (DF) 1 601 094 33.29 0.2782 -0.1093 0.1206 0.2330Curitiba (PR) 1 315 035 15.44 0.5125 -0.3270 0.1696 0.4814Recife (PE) 1 310 259 66.25 0.1016 -0.0256 0.0614 0.1458Manaus (AM) 1 011 501 37.57 0.1363 -0.0724 0.1110 0.2309Porto Alegre (RS) 1 251 898 29.71 0.3099 -0.1567 0.0999 0.2612Belm (PA) 1 084 996 31.15 0.1745 -0.0777 0.1294 0.2679Goinia (GO) 919 823 25.55 0.2648 -0.1502 0.1301 0.2855Guarulhos (SP) 786 740 44.87 0.1112 -0.0986 0.0562 0.1971Campinas (SP) 846 737 23.86 0.3634 -0.2553 0.0906 0.3321Nova Iguau (RJ) 769 297 80.59 0.0328 -0.0264 0.0377 0.1089So Gonalo (RJ) 779 832 52.96 0.0546 -0.0527 0.0520 0.1508So Lus (MA) 666 433 29.41 0.1322 -0.0533 0.1477 0.3197Macei (AL) 629 041 41.17 0.1176 -0.0434 0.0936 0.2240Duque de Caxias (RJ) 667 821 56.90 0.0463 -0.0453 0.0549 0.1381Teresina (PI) 598 114 10.70 0.3532 -0.1382 0.3729 0.8976Brasil 146 825 807 20.67 0.2329 -0.0718 0.1417 0.4022

Municpio Escola1 Escola2 Escola3 Populao Densidade Gini

So Paulo (SP) 0.0378 0.0322 -0.0497 0.4213 2.0214 0.2019Rio de Janeiro (RJ) 0.0541 0.0493 -0.1016 0.6051 1.9935 0.3158Belo Horizonte (MG) 0.1231 0.0958 -0.1800 1.3896 6.4275 0.7253Fortaleza (CE) 0.0887 0.0604 -0.0840 1.0210 4.3730 0.5679Braslia (DF) 0.0600 0.0488 -0.0704 0.6364 0.1330 0.3322Curitiba (PR) 0.1196 0.0999 -0.1863 1.3724 3.1829 0.6459Recife (PE) 0.0298 0.0215 -0.0380 0.3198 1.4560 0.1833Manaus (AM) 0.0516 0.0297 -0.0220 0.5639 0.0378 0.2751Porto Alegre (RS) 0.0608 0.0587 -0.2002 0.7130 1.3673 0.3477Belm (PA) 0.0678 0.0505 -0.0653 0.6801 0.5240 0.3492Goinia (GO) 0.0791 0.0535 -0.0951 0.8292 0.7801 0.4045Guarulhos (SP) 0.0412 0.0286 -0.0310 0.4722 0.8880 0.1980Campinas (SP) 0.0780 0.0674 -0.1391 0.8881 0.7165 0.4027Nova Iguau (RJ) 0.0225 0.0135 -0.0125 0.2629 0.2747 0.1125So Gonalo (RJ) 0.0343 0.0240 -0.0234 0.4000 0.9434 0.1609So Lus (MA) 0.0691 0.0509 -0.0357 0.7203 0.4386 0.3760Macei (AL) 0.0446 0.0285 -0.0370 0.5145 0.4797 0.2730Duque de Caxias (RJ) 0.0301 0.0167 -0.0158 0.3723 0.4057 0.1497Teresina (PI) 0.1948 0.1227 -0.1512 1.9799 0.5357 1.0673Brasil 0.0811 0.0466 -0.0616 1.0250 0.0134 0.5525

Fonte: Elaborado pelo autor.

22

TABELA A.4.Elasticidades de Municpios selecionados e Brasil 2000

Municpio PopulaototalHomicdios p/

hab. Renda10rico Renda20pobre Mcf Pobres

So Paulo (SP) 10 434 252 64.82 0.1899 -0.0643 0.0290 0.1638Rio de Janeiro (RJ) 5 857 904 56.61 0.2083 -0.0703 0.0332 0.1718Belo Horizonte (MG) 2 238 526 34.76 0.3194 -0.1148 0.0646 0.2425Fortaleza (CE) 2 141 402 28.21 0.2408 -0.0684 0.0896 0.3216Braslia (DF) 2 051 146 37.54 0.3297 -0.0947 0.0678 0.2333Curitiba (PR) 1 587 315 26.21 0.4532 -0.2007 0.0627 0.3463Recife (PE) 1 422 905 97.55 0.0908 -0.0195 0.0262 0.0952Manaus (AM) 1 405 835 33.01 0.1698 -0.0423 0.0797 0.3121Porto Alegre (RS) 1 360 590 39.25 0.3414 -0.1186 0.0560 0.2272Belm (PA) 1 280 614 25.93 0.2698 -0.0804 0.0992 0.3458Goinia (GO) 1 093 007 28.64 0.3605 -0.1539 0.0636 0.2815Guarulhos (SP) 1 072 717 80.17 0.0743 -0.0376 0.0221 0.1310Campinas (SP) 969 396 55.29 0.2058 -0.0870 0.0283 0.1878Nova Iguau (RJ) 920 599 75.17 0.0517 -0.0284 0.0285 0.1319So Gonalo (RJ) 891 119 41.63 0.0955 -0.0732 0.0430 0.2164So Lus (MA) 870 028 16.55 0.3388 -0.0975 0.1829 0.5552Macei (AL) 797 759 45.13 0.1451 -0.0297 0.0558 0.2223Duque de Caxias (RJ) 775 456 67.32 0.0547 -0.0281 0.0333 0.1503Teresina (PI) 715 360 22.23 0.2544 -0.0800 0.1142 0.3976Brasil 169 799 170 26.29 0.2427 -0.0575 0.0811 0,2583

Municpio Escola1 Escola2 Escola3 Populao Densidade Gini

So Paulo (SP) 0.0310 0.0414 -0.0600 0.3268 1.6954 0.1734Rio de Janeiro (RJ) 0.0361 0.0472 -0.0859 0.3743 1.3179 0.1986Belo Horizonte (MG) 0.0596 0.0821 -0.1227 0.6096 3.1244 0.3234Fortaleza (CE) 0.0770 0.0811 -0.1204 0.7511 3.8952 0.4242Braslia (DF) 0.0579 0.0804 -0.1121 0.5643 0.1511 0.3091Curitiba (PR) 0.0746 0.1122 -0.2149 0.8084 2.2630 0.4081Recife (PE) 0.0226 0.0245 -0.0379 0.2172 1.0738 0.1264Manaus (AM) 0.0676 0.0668 -0.0696 0.6419 0.0598 0.3515Porto Alegre (RS) 0.0512 0.0610 -0.1833 0.5398 1.1250 0.2818Belm (PA) 0.0894 0.0993 -0.0927 0.8172 0.7432 0.4545Goinia (GO) 0.0754 0.0959 -0.1596 0.7398 0.8271 0.3862Guarulhos (SP) 0.0258 0.0329 -0.0286 0.2643 0.6777 0.1244Campinas (SP) 0.0356 0.0507 -0.0865 0.3832 0.3539 0.1902Nova Iguau (RJ) 0.0280 0.0282 -0.0192 0.2818 0.3525 0.1278So Gonalo (RJ) 0.0501 0.0583 -0.0465 0.5089 1.3713 0.2134So Lus (MA) 0.1322 0.1476 -0.1362 1.2800 1.0176 0.7119Macei (AL) 0.0487 0.0424 -0.0613 0.4695 0.5550 0.2732Duque de Caxias (RJ) 0.0307 0.0292 -0.0198 0.3147 0.3983 0.1427Teresina (PI) 0.1022 0.1044 -0.1318 0.9532 0.3085 0.5301Brasil 0,0796 0.0771 -0.0836 0.8058 0,0121 0,4482

Fonte: Elaborado pelo autor.

23

TABELA A.5.Correlao de Pearson entre s Variveis

Hom

icd

io

Gin

i

Pobr

es

MC

F

Lpop

Den

sida

de

GSP

H

Ren

da20

pobr

e

Ren

da10

rico

Esco

la1

Esco

la2

Esco

la3

Fave

la

Hom

icd

io

1

Gin

i

0.13

5

1

Pobr

es

-0.0

66

0.29

17 1

MC

F

0.09

2

0.10

3

0.28

2

1

Lpop

0.29

76

0.19

4

-0.0

27

0.28 1

Den

sida

de

0.22

34

-0.0

387

-0.0

478

0.07

85

0.35

72 1

GSP

H

0.02

48

-0.0

1

-0.0

62

-0.0

39

0.02

72

0.03

09 1

Ren

da20

pobr

e

0.05

89

-0.3

788

-0.8

436

-0.3

029

0.12

26

0.16

06

0.11

97 1

Ren

da10

rico

0.20

91

0.24

93

-0.6

555

-0.2

381

0.31

64

0.19

29

0.11

5

0.69

72 1

Esco

la1

0.09

29

0.32

15

-0.1

417

-0.0

46

0.09

51

0.06

92

0.06

01

0.06

86

0.25

85 1

Esco

la2

0.11

18

0.09

47

-0.5

344

-0.2

214

0.15

77

0.14

1

0.11

82

0.53

01

0.64

04

0.58

6

1

Esco

la3

0.11

7

0.01

65

-0.5

38

-0.2

333

0.26

97

0.19

55

0.10

2

0.64

12

0.72

33

0.33

77

0.74

42 1

Fave

la

0.11

46

0.02

83

-0.0

11

0.12

15

0.23

6

0.27

67

0.01

13

0.04

11

0.08

89

-0.0

28

0.00

35

0.04

62 1

Fonte: Elaborado pelo autor.