Ensaios Sobre Violência & Criminalidade

UNIVERSIDADE FEDERAL DO CEARÁ
FACULDADE DE ECONOMIA, ADMINSTRAÇÃO, ATUÁRIA E

CONTABILIDADE
PÓS GRADUAÇÃO EM ECONOMIA - (CAEN/UFC)
MARCELO DAVI SANTOS
ENSAIOS SOBRE VIOLÊNCIA & CRIMINALIDADE (V&C)

EM UMA ANÁLISE TEÓRICA, EMPÍRICA E ESPACIAL:
Evidências para o Estado do Ceará e a Cidade de Fortaleza
FORTALEZA | CEARÁ | BRASIL
2020
MARCELO DAVI SANTOS
ENSAIOS SOBRE VIOLÊNCIA & CRIMINALIDADE (V&C) EM UMA ANÁLISE

TEÓRICA, EMPÍRICA E ESPACIAL:
Tese apresentada ao Programa de

Pós- Graduação em Economia da
Universidade Federal do Ceará
como parte dos requisitos para
obtenção do título de Doutor em
Economia. Área de Concentração:
Violência & Criminalidade (V&C),
Economia do Crime, Econometria
Espacial e Avaliação de Políticas
Públicas.
Orientador: Prof. Dr. Fabricío

Carneiro Linhares
FORTALEZA | CEARÁ | BRASIL
2020
Dados Internacionais de Catalogação na Publicação
Universidade Federal do Ceará
Biblioteca Universitária
Gerada automaticamente pelo módulo Catalog, mediante os dados fornecidos pelo(a) autor(a)
D271e Davi Santos, Marcelo.

ENSAIOS SOBRE VIOLÊNCIA & CRIMINALIDADE (V&C) EM UMA ANÁLISE TEÓRICA,
EMPÍRICA E ESPACIAL : Evidências para o Estado do Ceará e a Cidade de Fortaleza / Marcelo Davi
Santos. – 2020.
138 f. : il. color.
Tese (doutorado) – Universidade Federal do Ceará, Faculdade de Economia, Administração, Atuária e

Contabilidade, Programa de Pós-Graduação em Economia, Fortaleza, 2020.
Orientação: Prof. Dr. Prof. Dr. Fabricío Carneiro Linhares.
1. Violência & Criminalidade. 2. Economia do crime. 3. Segurança Pública. 4. Condições

socioeconômicas. 5. Geoespacial. I. Título.
CDD 330
MARCELO DAVI SANTOS
ENSAIOS SOBRE VIOLÊNCIA & CRIMINALIDADE (V&C) EM UMA ANÁLISE

TEÓRICA, EMPÍRICA E ESPACIAL:
Tese apresentada ao Programa de Pós-Graduação em Economia da Universidade

Federal do Ceará como parte dos requisitos para obtenção do título de Doutor em
Economia. Área de Concentração: Violência & Criminalidade (V&C), Economia do
Crime, Econometria Espacial e Avaliação de Políticas Públicas.
Aprovada em: 23 de dezembro de 2020.
BANCA EXAMINADORA
___________________________________________________________________
Prof. Dr. Fabricío Carneiro Linhares (Orientador)
Universidade Federal do Ceará (CAEN/UFC)
_____________________________________________________________________
Prof. Dr. Ricardo Brito Soares
Universidade Federal do Ceará (CAEN/UFC)
_________________________________________________________________
Prof. Dr. Nicolino Trompieri Neto
Instituto de Pesquisa e Estratégia Econômica do Ceará (IPECE)
Universidade de Fortaleza (UNIFOR)
___________________________________________________________________
Prof. Dr. Alexsandre Lira Cavalcante
Instituto de Pesquisa e Estratégia Econômica do Ceará (IPECE)
___________________________________________________________________
Prof. Dr. Ernesto dos Santos Vasconcelos
Universidade Federal do Ceará (FEAACS/UFC)
RESUMO
Em meio à crescente literatura sobre o tema, essa tese buscou, por meio de três artigos,
contribuir para a análise e o entendimento da Violência & Criminalidade (V&C).
Assim, esta tese compreende uma aplicação de três ensaios empíricos/econométricos
sobre os determinantes e os impactos da V&C em estudos de casos para o estado do
Ceará (Capítulo I e II) e o município de Fortaleza (Capítulo III). O primeiro capítulo
tem como objetivo investigar, com base na Economia do Crime, a relação causal, no
sentido de Granger, entre as condições socioeconômicas (nível renda per capita,
salário real médio, desemprego, inflação, encargos tributários, gastos públicos com
Segurança Pública, desenvolvimento do mercado financeiro local, entre outros
determinantes) e taxa de crimes contra o patrimônio (roubos e furtos) e contra a vida
(CVLI) no Ceará para o período compreendido de 2009 a 2019. Para tal, empregam-se
os testes de Causalidade de Granger, com expansão recursiva e variando no tempo,
propostos por Shi et al. (2018) para identificar as direções de causalidade, e se estas,
mudam no tempo. Os resultados mostram a importância de modelar a causalidade em
uma estrutura dinâmica que acomode as possíveis mudanças na relação causal entre
tais variáveis decorrentes de não linearidades durante o período amostral. No segundo
capítulo é construído um indicador macroeconômico para previsão das taxas de crimes
de CVLI, roubos e furtos. Estudamos como a contribuição das variáveis nesse
indicador muda no tempo. Tal indicador é estimado utilizando o filtro de Kalman e
métodos bayesianos e cobre vários aspectos financeiros segundo Koop e Korobilis
(2014). Examinamos também a função impulso-resposta (FRI) em relação ao
indicador. Para tal, emprega-se um modelo VAR com coeficientes variando no tempo
e aumentado por fatores (TVP-FAVAR). Diante dos resultados apresentados verifica-se
que no Ceará, a V&C e a performance macroeconômicas nos últimos anos caminham
juntas lado a lado, principalmente decorrente de baixos salários, a falta de emprego ou
a ausência de políticas públicas que fomentem a geração de emprego & renda, podem
estar colaborando para aumentos das taxas de crimes de homicídios, roubos e furtos.
Estes aumentos também podem estar relacionados às questões de territorialização do
crime. O terceiro capítulo busca estimar uma FRI espacial com o objetivo de entender
como os choques de criminalidade se propagam no tempo e espacialmente nos bairros
de Fortaleza (especificamente bairros híbridos). As estimações econométricas, que
incorporam a dependência espacial, se fundamentam na abordagem do modelo
espacial dinâmico com dados em painel proposto por Brady (2011), no qual emprega
uma modelagem autoregressiva, ou seja, em que uma das variáveis explicativas seja a
variável dependente defasada. Diante dos resultados apresentados, verifica-se que
houve um processo de difusão espacial das taxas de roubos e furtos, na cidade de
Fortaleza. Ademais, observa-se a existência de dependência espacial positiva, ou seja,
áreas com elevada taxa de crimes possuem vizinhos, também, com elevadas taxas de
roubos e furtos. Estas duas evidências sugerem que a distribuição dos crimes contra o
patrimônio na capital cearense não ocorre de forma aleatória em seu espaço
geográfico. Como exemplos de ações específicas que poderiam ser desenvolvidas nos
locais mais vulneráveis á questões socioeconômicas e criminais, Medeiros et al. (2015)
apontam: (i) à melhoria dos equipamentos públicos como praças e parques; (ii) a
pavimentação de ruas e a iluminação pública; (iii) o saneamento básico e a coleta de
lixo; (iv) o maior acesso aos serviços de saúde; (v) a ampliação de políticas de geração
de empregos e (vi) a oferta de educação em tempo integral, entre outras ações.
Palavras-chave: Violência & Criminalidade. Economia do crime. Segurança Pública.
Condições socioeconômicas. Geoespacial.
ABSTRACT
Amid the growing literature on the subject, this thesis sought, through three articles, to
contribute to the analysis and understanding of Violence & Criminality (V&C). Thus,
this thesis comprises an application of three empirical/econometric tests on the
determinants and impacts of V&C in case studies for the state of Ceará (Chapter I and
II) and the municipality of Fortaleza (Chapter III). The first chapter aims to investigate,
based on the Economy of Crime, the causal relationship, in Granger's sense, between
socioeconomic conditions (level of per capita income, average real wage,
unemployment, inflation, tax charges, public spending on Public Security, development
of the local financial market, among other determinants) and crime rate against property
(robberies and larcenies) and against life (CVLI) in Ceará for the period from 2009 to
2019. For this, the tests of Granger's causality, with recursive expansion and varying in
time, proposed by Shi et al. (2018) to identify the directions of causality, and if they
change over time. The results show the importance of modeling causality in a dynamic
structure that accommodates possible changes in the causal relationship between such
variables due to non-linearities during the sample period. In the second chapter, a
macroeconomic indicator is constructed to predict CVLI crime rates, robberies and
larcenies. We studied how the contribution of variables in this indicator changes over
time. Such an indicator is estimated using the Kalman filter and Bayesian methods and
covers several financial aspects according to Koop e Korobilis (2014). We also
examined the Impulse-Response Function (FRI) in relation to the indicator. For this, a
VAR model is used with coefficients varying over time and increased by factors (TVP-
FAVAR). In view of the results presented, it appears that in Ceará, V&C and
macroeconomic performance in recent years go hand in hand, mainly due to low wages,
the lack of jobs or the absence of public policies that encourage the generation of jobs
& income , may be helping to increase crime rates for homicides, robberies and
larcenies. These increases may also be related to the territorialization of crime. The
third chapter seeks to estimate a spatial FRI with the objective of making sense of how
crime shocks spread over time and spatially in Fortaleza neighborhoods (specifically
hybrid neighborhoods). The econometric estimates, which incorporate the spatial
dependence, are based on the approach of the dynamic spatial model with panel data
proposed by Brady (2011), in which it uses an autoregressive modeling, that is, in
which one of the explanatory variables is the variable outdated dependent. In view of
the results obtained, it appears that there was a process of spatial diffusion of crime,
robberies and larcenies rates in the city of Fortaleza. In addition, there is a positive
spatial dependence, that is, areas with a high crime rate have neighbors, also with high
rates of robberies and larcenies. These two evidences obtained that the distribution of
crimes against patrimony in the capital of Ceará does not occur randomly in its
geographic space. As examples of specific actions that will be developed in places that
are most vulnerable to socioeconomic and criminal issues, Medeiros et al. (2015) point
to: (i) the improvement of public facilities such as squares and parks; (ii) the paving of
streets and public lighting; (iii) basic sanitation and garbage collection; (iv) greater
access to public health services health; (v) expanding job creation policies and (vi)
offering full-time education, among other actions.
Keywords: Violence & Crime. Economy of crime. Public security. Socioeconomic
conditions. Geospatial.
AGRADECIMENTOS
À Deus, por trilhar meus caminhos e guiar os meus passos;
À minha esposa, Gerciane Garcia, pelo companheirismo, apoio e

preciosas orientações;
Aos meus pais, irmãos e sobrinhos, por todo o suporte e confiança;
Ao meu orientador, Prof. Fabricío Carneiro Linhares, amigo, minha

grande referência acadêmica e mentor de pesquisas desenvolvidas desde a graduação.
Aos demais professores do CAEN/UFC que tanto contribuíram para

minha formação, em especial, aos professores Luiz Ivan de Melo Castelar, Sebastião
Carneiro de Almeida e Ronaldo de Albuquerque e Arraes.
Aos colegas de curso, em especial, aos amigos Prof. MSc. Pedro Rafael
Fernandes (UERNE/RN), Prof. Doutoranda Nydiane Araújo (FEAACS/UFC), Prof.
Dr. Ernesto Vasconcelos (FEAACS/UFC), Prof. Dr. Felipe Bastos (UFC/Sobral),
Analista Doutorando Ramon Lucas (CAEN/UFC), Economista Renan Paiva
(FECAP/SP) e Prof. Dr. Débora Lima presidente da Comissão de Segurança Pública
da OAB/RMF (CSP/OAB/RMF).
Ao meu ex-Diretor de Pesquisa e Avaliação de Políticas Públicas de

Segurança da Superintendência de Pesquisa e Estratégia de Segurança Pública do
Estado do Ceará (SUPESP/CE), Profº Dr. Régis Façanha Dantas
(SUPESP/SSPDS/CE), gostaria de agradecer pela oportunidade e confiança
depositada em mim.
Aos amigos de trabalho/pesquisa da SUPESP, em especial, ao Mestrando

Flávio do Nascimento Moreira Júnior e Família, Prof. Dr. Paula Tomaz, Lucas Alves,
Lucas Lourenço, Prof. Dr. Kamila Nascimento e Esp. Andrea Martins e Equipe da
GEESP/SSPDS/CE, companheiros de longas horas de estudos e pesquisa. Aos
colegas de trabalho, Prof. Dr. Laecio Noronha Xavier, Prof. Cap. PMCE Dr.
Anderson Duarte, Prof. Ce. CBMCE Dr. Ricardo Catanho.
Aos amigos do IPECE, em especial, aos amigos Analistas Cleyber

Medeiros, Alexsandre Lira, Nicolino Trompieri, José Freire Júnior, Ana Cristina
Maia, Luciana Rodrigues, Victor Hugo Silva e Marília Firmiano.
À Capes, pelo financiamento desta pesquisa.

LISTA DE FIGURAS
Figura 1A: FRI - Choque positivo - Taxa de homicídios................................................61
Figura 1B: FRI - Choque negativo - Taxa de homicídios...............................................61
Figura 2A: FRI - Choque positivo - Taxa de roubos.......................................................62
Figura 2B: FRI - Choque negativo - Taxa de roubos......................................................62
Figura 3A: FRI - Choque positivo - Taxa de furtos........................................................63
Figura 3B: FRI - Choque negativo - Taxa de furtos.......................................................63
Figura 04: FRI para a taxa de roubos - Fortaleza/CE.......................................................96
Figura 05: FRI para a taxa de roubos na Região Leste – Fortaleza/CE ...........................96
Figura 06: FRI para a taxa de roubos na Região Oeste – Fortaleza/CE .........................97
Figura 07: FRI para a taxa de furtos – Fortaleza/CE.......................................................99
Figura 08: FRI para a taxa de furtos na Região Leste – Fortaleza/CE............................99
Figura 09: FRI para a taxa de furtos na Região Oeste – Fortaleza/CE..........................100

LISTA DE MAPAS
Mapa 1: Número de ocorrências de roubos e furtos, segundo os bairros de Fortaleza/CE

(2010-2014).....................................................................................................................84
Mapa 2: Taxa média por 10 mil hab. de roubos e furtos, segundo os bairros de
Fortaleza/CE (2010-2014)...............................................................................................85
Mapa 3: Número de ocorrências de roubos e furtos, segundo os bairros de Fortaleza/CE

(2015-2019)...............................................................................................................86
Mapa 4: Taxa média por 10 mil hab. de roubos e furtos, segundo os bairros de
Fortaleza/CE (2015-2019)..............................................................................................87
LISTA DE GRÁFICOS
Gráfico 1: Distribuição de freqüência dos testes de Causalidade de Granger variando no

tempo - CVLI, roubos e furtos.........................................................................................21
Gráfico 2: Ranking dos seis indicadores econômicos segundo o teste de Causalidade de

Granger, variando no tempo, para a taxa de homicídios................................................24

Granger, variando no tempo, para a taxa de roubos........................................................24

Granger, variando no tempo, para a taxa de furtos.........................................................25
Gráfico 5: Taxa de crescimento trimestral do PIB - Ceará (2011-2019) ........................25
Gráfico 6: Relação do índice do IPM com a taxa de homicídios – Ceará ................... 51
Gráfico 7: Relação do índice do IPM com a taxa de roubos – Ceará ........................... 52
Gráfico 8: Relação do índice do IPM com a taxa de furtos – Ceará ............................ 53
Gráfico 9: Demonstrativo da intensidade de aderência das probabilidades dos

indicadores de mercado de trabalho a crimes de homicídios..........................................54

indicadores de nível de preços a crimes de homicídios...................................................55

indicadores de atividade econômica a crimes de homicídios..........................................56

indicadores de mercado de trabalho a crimes de roubos.................................................56

indicadores de nível de preços a crimes de roubos..........................................................57

indicadores de atividades econômicas a crimes de roubos..............................................58

indicadores de mercado de trabalho a crimes de furtos...................................................58

indicadores de níveis de preços a crimes de furtos..........................................................59
indicadores atividade econômica a crimes de furtos.......................................................60
Gráfico 18: Demonstrativo da quantidade de preditores do modelo ao longo do tempo

para os crimes de homicídios, roubos e furtos.................................................................60
LISTA DE TABELAS
Tabela 1 - Nº de ocorrências de roubos e furtos, segundo as Áreas Integradas de

Segurança (AIS) - Fortaleza/CE (2010-2019)................................................................81
Tabela 2 - Estimações para o modelo de painel dinâmico espacial para taxa de

roubos............................................................................................................................88
Tabela 3 - Estimações para o modelo de painel dinâmico espacial para taxa de

furtos..............................................................................................................................89
LISTA DE ABREVIATURAS E SIGLAS
AEDE Análise Exploratória de Dados Espaciaia

AIS Área Integrada de Segurança
BACEN Banco Central do Brasil
CAGED Cadastro Geral de Empregados e Desempregados
CIOPS Coordenadoria Integrada de Operações de Segurança
CVLI Crimes Violentos letais Intencionais
CVP Crimes Violentos contra o Patrimônio
DIEESE Departamento Intersindical de Estatística e Estudos Socioeconômicos
GEESP Gerência de Estatística e Geoprocessamento
GEGIN Gerência de Estatística, Geografia e Informações
IBCr Índice de Atividade Econômica Regional/BACEN
IBGE Instituto Brasileiro de Geografia e Estatística
IDH Índice de Desenvolvimento Humano
INPC Índice Nacional de Preços ao Consumidor
IPCA Índice de Preços para o Consumidor Amplo
IPECE Instituto de Pesquisa e Estratégia Econômica do Ceará
LISA Local Indicator os Spatial Association
LM Multiplicador de Lagrande
MQO Mínimos Quadrados Ordinários
PIB Produto Interno Bruto
PMF Prefeitura Municipal de Fortaleza
PNUD Programa das nações Unidas para o Desenvolvimento
RMF Região Metropolitana de Fortaleza
SAR Spatial Autoregressive Model
SDE Secretaria Municipal de Desenvolvimento Econômico de Fortaleza
Sefaz-CE Secretaria da Fazenda do Estado do Ceará
SEM Spatial Error Model
SUPESP Superintendência de Pesquisa e Estratégia de Segurança Pública
SPDSS Secretaria de Segurança Pública e Defesa Social
UDH Unidades de Desenvolvimento Humano
V&C Violência & Criminalidade
SUMÁRIO
CONDIÇÕES MACROECONÔMICAS E VIOLÊNCIA & CRIMINALIDADE

(V&C): EVIDÊNCIAS DO TESTE DE CAUSALIDADE DE GRANGER
DINÂMICO PARA O ESTADO DO CEARÁ
1. INTRODUÇÃO.. ............................................................................................................. .1
2. A IMPORTÂNCIA DOS FATORES ECONÔMICOS NOS ESTUDOS DE

VIOLÊNCIA & CRIMINALIDADE (V&C) ........................................................................ 7
3. METODOLOGIA .......................................................................................................... 14
3.1 Estratégia Econométrica .......................................................................................... 14
3.1.1 Teste de Causalidade de Granger dinâmico .................................................... 16
3.2 Fontes de dados e variáveis selecionadas ................................................................ .17
3.2.1 Crimes Violentos Letais e Intencionais - CVLI .............................................. .17
3.2.2 Crimes Violentos contra o Patrimônio - CVP.................................................. .18
3.2.3 Furtos ............................................................................................................... .18
3.2.4 Indicadores econômicos .................................................................................. .18
4. RESULTADOS E DISCUSSÕES ............................................................................... .20

4.1 Análise do teste de Causalidade de Granger dinâmico para os índices de
homicídios, roubos e furtos......... .................................................................................... 20
4.2 Análise do teste de Causalidade de Granger dinâmico, segundo o ranking dos seis
principais indicadores econômicos ................................................................................. 24
5. CONSIDERAÇÕES FINAIS ..................................................................................... ..28
ANÁLISE DA RELAÇÃO ENTRE FATORES MACROECONÔMICOS E

VIOLÊNCIA & CRIMINALIDADE (V&C) BASEADA EM MODELOS TVP-FAVAR:
EVIDÊNCIAS PARA O ESTADO DO CEARÁ
1. INTRODUÇÃO..... ........................................................................................................ .30
2. A IMPORTÂNCIA DAS POLÍTICAS MACROECONÔMICAS NOS ESTUDOS

DE VIOLÊNCIA & CRIMINALIDADE (V&C) ............................................................... 35
3. METODOLOGIA .......................................................................................................... 41
3.2 O modelo TVP-FAVAR e suas variantes .................................................................. 44
3.3 Combinação Dinâmica de Modelos (Dynamic Model Average - DMA) ................... 47
20

4.1 Índice IPM estimado pelo método da combinação dinâmica de modelos (DMA) .... 51
4.2 Probabilidades variando no tempo ........................................................................... 54
4.2.1 Crimes de homicídios em relação aos indicadores de Mercado de Trabalho . .54
4.2.2 Crimes de homicídios em relação aos indicadores de Nível de Preços .......... .55
4.2.3 Crimes de homicídios em relação aos indicadores de Atividade Econômica . .55
4.2.4 Crimes de roubos em relação aos indicadores de Mercado de Trabalho ........ .56
4.2.5 Crimes de roubos em relação aos indicadores de Nível de Preços ................. .57
4.2.6 Crimes de roubos em relação aos indicadores de Atividade Econômica ........ .57
4.2.7 Crimes de furtos em relação aos indicadores de Mercado de Trabalho .......... .58
4.2.8 Crimes de furtos em relação aos indicadores de Nível de Preços ................... .59
4.2.9 Crimes de furtos em relação aos indicadores de Atividade Econômica ......... .59
4.3 Tamanho esperado do modelo para os crimes de homicídios, roubos e furtos ........ 60
4.4 Análise das Funções Impulso-Resposta (FRI) ao Fator DMA ................................. 61
4.4.1 FRI para os crimes de homicídios.................................................................... .61
4.4.2 FRI para os crimes de roubos ......................................................................... .62
4.4.3 FRI para os crimes de furtos ........................................................................... .63
5. CONSIDERAÇÕES FINAIS ...................................................................................... .64
ANALISANDO A DIFUSÃO ESPAÇO-TEMPORAL DOS CRIMES DE ROUBOS E

FURTOS EM FORTALEZA
1. INTRODUÇÃO ......................................... .................................................................... 67
2. A IMPORTÂNCIA EFEITO TRANSBORDAMENTO NOS ESTUDOS DE

VIOLÊNCIA & CRIMINALIDADE (V&C) ...................................................................... 71
3. METODOLOGIA .......................................................................................................... 75
3.1.1 Modelo econômico geoespacial do crime ........................................................ 75
3.1.2 Matriz de contiguidade espacial (Wnxn) ........................................................... 76
3.1.3 Funções de impulso-resposta (FRI) espaciais e projeções locais ..................... 77
3.2.1 Indicadores de roubos e furtos em nível de bairros ......................................... .79
3.2.2 Indicadores econômicos .................................................................................. .79

4.1 Distribuição geoespacial das ocorrências/casos de roubos e furtos, segundos as
Áreas Integradas de Segurança (AIS) de Fortaleza/CE (2010-2019) ............................. 80
4.2 Distribuição geoespacial do nº de ocorrências/casos e da taxa média de roubos e
furtos, segundos os bairros de Fortaleza/CE (2010-2019) .............................................. 82
4.3 Efeitos fatores macroeconômicos para o modelo de painel dinâmico espacial ........ 88
21
4.4 Efeitos da Vizinhança/Transbordamento ................................................................. 89

4.5 Efeitos da Defasagem das Taxas de Roubos e Furtos ............................................. 90
4.6 Efeitos do Mercado de Trabalho ............................................................................. 91
4.7 Efeitos do Nível da Atividade Econômica ................................................................ 94
4.8 Efeitos da Perda do Poder de Compra das Famílias (custos da cesta básica) ........ 95
4.9 Análise da função impulso-resposta (FRI): Capital, Região Oeste e Leste. ............. 96
5. CONSIDERAÇÕES FINAIS .................................................................................... .102
CONCLUSÕES GERAIS .............................................................................................. .105
REFERÊNCIAS BIBLIOGRÁFICAS ......................................................................... .107

1
CONDIÇÕES MACROECONÔMICAS E VIOLÊNCIA & CRIMINALIDADE

(V&C): EVIDÊNCIAS DO TESTE DE CAUSALIDADE DE GRANGER
DINÂMICO PARA O ESTADO DO CEARÁ
1. INTRODUÇÃO
Nas últimas três décadas, a Economia do Crime se tornou um novo campo de

pesquisa das Ciencias Econômicas, em especial devido ao fato de que, durante o mesmo
período de tempo em que houve um aumento notável das atividades criminosas, como
confirmado por vários estudos empíricos. Desta forma, existem diversos trabalhos, na
sua maioria, elaborados por sociólogos e economistas, que incorporam a citada teoria
em seus correlatos conceitos, considerando entre outros aspectos, que as condições
socioeconômicas e macroeconômicas de uma sociedade repercutem, direta ou
indiretamente, sobre os índices de criminalidade de uma determinada região.
Entre as vertentes explicativas para as causas da Violência & Criminalidade

(V&C), para Barcellos e Perez (2009), destacam-se: (i) Desorganização Social, trata a
criminalidade como resultado de ações indesejáveis das relações existentes entre os
agentes de comunidades locais; (ii) Estilo de Vida, relaciona a criminalidade com os
hábitos e a rotina de vida das pessoas; (iii) Aprendizado Social, explica o crime como
algo que se aprende com as influências do meio social, com a família, os grupos de
amizade e a comunidade; (iv) Controle Social, busca compreender as causas do
indivíduo se privar de cometer um crime, (v) Teoria do Autocontrole, elucida o
comportamento irregular diferenciado de um indivíduo decorrente da falta de
mecanismos psicológicos de autocontrole na infância; (vi) Teoria da Anomia, trata a
motivação da criminalidade como resultados da impossibilidade do indivíduo alcançar
metas, sejam econômicas ou sociais e; (vii) Teoria Interacional, procura compreender a
delinquência concomitantemente como causa e consequência de uma variedade de
relações mútuas, desenvolvidas ao longo do tempo.
Diante do exposto, é comum a análise da relação entre condições

socioeconômicas (ou macroeconômicas) e criminalidade. Apesar de períodos
conturbados na economia brasileira, também se observa uma relação entre alguns
indicadores macroeconômicos e criminalidade por exemplo. Essas relações nos
permitem entender melhor como os ciclos econômicos estão ligados aos diferentes tipos
de indivíduos na economia através dos incentivos gerados pela conjuntura econômica.
2
Em Cerqueira e Lobão (2004) são contempladas brevemente as condições

macroeconômicas e sociais nos anos 1980 e 1990 no Brasil. Algo que se ressalta nesses
anos era o cenário inflacionário e os choques internacionais, que levaram muitas
economias à recessão. Esses indicadores não permitiam uma melhora na renda per
capita. Na segunda metade da década de 1980, com o retorno da inflação, os
indicadores pioraram. No início da década seguinte se destaca uma diminuição da renda
familiar per capita, aumento da pobreza, e diminuição da desigualdade, o que aponta
uma perda dos estratos mais ricos.
Durante os anos seguintes, no Plano Real, o que se passa é uma queda brusca
da inflação, aumento da renda domiciliar per capita e diminuição do número de pobres,
bem como uma tímida redução da desigualdade. Os autores ainda observam uma
correlação, para os estados de São Paulo e Rio de Janeiro, entre os períodos de maior
deterioração dos condicionantes sociais e a trajetória crescente dos homicídios.
Uma outra relação bastante analisada na literatura é a interação entre o nível de

desemprego e a criminalidade. Alguns autores relacionam o desemprego à
criminalidade, pois pessoas desempregadas tendem a ter uma maior motivação para
cometer determinados tipos de crime (por exemplo, roubos e furtos) dado que durante
períodos de desemprego os salários são menores, assim reduzindo o custo de
oportunidade de despender tempo em atividade criminosa (Becker, 1968).
Sendo clara a relação entre desemprego e criminalidade, podemos também

associar a esta, uma outra relação famosa entre os economistas proposta por William
Phillips em 1958, que dá nome à curva que relaciona as duas variáveis: desemprego e
inflação. Phillips (1958) mostrou uma relação inversa entre o nível de inflação e a taxa
de desemprego. Assim, a partir dessa relação podemos notar que a inflação tem efeito,
direto ou indireto, sobre a criminalidade. Sabendo que a taxa de desemprego se
correlaciona inversamente com os níveis de preços teorizamos que num período de
maior inflação, onde se tem menor desemprego, há menor criminalidade. Por outro lado,
a inflação causa outros efeitos, por exemplo, baixo poder de compra.
Como destacado por Cerqueira e Lobão (2004), também notamos que os

efeitos negativos da inflação podem acentuar desigualdades, o que aumentou o número
absoluto da pobreza algumas vezes nas décadas de 1980 e 1990. Essa piora nos
3
indicadores sociais, como observado pelos autores, aumentou o número de homicídios

nos estados de Rio de Janeiro e São Paulo. Eles ainda salientam que os condicionantes
socioeconômicos que cooperam na determinação da criminalidade não são provenientes
tão somente do comportamento macroeconômico. Do ponto de vista micro, a alta dos
preços diminui o salário real, reduzindo novamente o custo de despender tempo em
atividade criminosa. Compreendendo as diferenças que podem haver na elasticidade de
variação do salário de acordo com a intensidade da inflação, e na duração desta,
sabemos que essa também pode afetar a decisão dos indivíduos em cometer crimes.
Como dito anteriormente, a literatura a respeito da relação entre desemprego e

criminalidade é vasta e possui diferentes maneiras de ser abordada. Alguns trabalhos
foram realizados para diferentes países para relacionar a criminalidade com a taxa de
desemprego. Dentre eles Fallahi, Pourtaghi e Rodríguez (2012) que contribuem com a
literatura investigando a possível relação entre crime e a volatilidade da taxa de
desemprego nos EUA. No trabalho foi analisado, para além da taxa de desemprego e
sua duração, a incerteza sobre o futuro e sua possível influência significativa no crime.
Foram analisados quatro tipos de crime: roubo a residência, roubo de veículo, roubo a
banco e furtos.
No estudo, os autores evidenciaram uma relação de cointegração apenas com

os crimes de roubo a residência e de veículo. Para esses dois tipos de crime os modelos
estimaram que no longo prazo a taxa de desemprego não tem nenhum efeito sobre estes.
Contudo, no curto prazo, a taxa de desemprego tem um efeito negativo sobre as
ocorrências de roubo a residência, enquanto para o roubo de veículo, esta tem um efeito
positivo. Com relação à volatidade da taxa de desemprego, independentemente do
horizonte temporal, esta tem um efeito negativo sobre o roubo de veículo. Por outro
lado, para o roubo a residência, a volatidade da taxa de desemprego apresentou apenas
significância no curto prazo. O resultado indicou que, no curto prazo, tal variável
apresentou um efeito positivo sobre o crime supracitado, diferentemente do longo prazo,
onde não há relação entre a volatilidade no desemprego e roubo a residência.
Em outro trabalho realizado por Buonanno, Drago e Galbiati (2014) testou-se

se as taxas de crime respondem simétrica ou assimetricamente às variações no
desemprego durante recuperações e recessões econômicas. Os resultados apontaram que
a taxa de desemprego tem um efeito substancial sobre o crime. Em uma das estimações
4
captou-se que um aumento de um ponto percentual no desemprego gera um aumento de

1,3% na taxa de criminalidade de um modo geral e 1,7% na taxa de homicídio. Ainda
notou-se que a diminuição de um ponto percentual no desemprego gera uma diminuição
de 1,7% na taxa de criminalidade total e de 1,8% na taxa de homicídio.
Outra relação muito estudada na Economia o Crime seria o nexo entre

criminalidade e crescimento econômico. É de se esperar que a melhora dos indicadores
macroeconômicos impliquem em uma redução das taxas de crime. De acordo com
Rosenfeld (2014), durante a grande recessão o que se notou foi à trajetória contrária da
criminalidade dada a contração da economia. No curto prazo, o que se nota é um breve
aumento da criminalidade que não se sustem como se esperaria em um período de
recessão. Dessa forma podemos imaginar que num período breve de crescimento a
resposta da taxa de criminalidade ao crescimento econômico não seja proporcional.
Entretanto, o que se espera com uma melhora consistente nas condições,
socioeconômicas ou macroeconômicas, decorrentes de crescimento econômico é que
haja uma mitigação da taxa de criminalidade.
Outra discussão recorrente, de acordo com Bushway, Cook e Phillips (2010), é

o efeito dos ciclos de negócios (business cycle, economic cycle ou trade cycle) nos
índices de criminalidade. Diferentes trabalhos apresentaram resultados diversos quanto
ao comportamento das taxas de criminalidade e os ciclos de negócios. No trabalho, os
autores investigaram os efeitos de flutuações de curto prazo da atividade econômica na
criminalidade. Um ponto importante encontrado no estudo é a diferença existente entre
os grupos de diferentes idades. Outro ponto encontrado, apesar de não haver uma saída
clara, é que os crimes de roubos e furtos são contracíclicos, homicídios não possuem
relação com os ciclos e o roubo de carros é pró-cíclico. Os resultados encontrados
contribuem para uma análise mais acurada a respeito de indicadores específicos e seu
comportamento de acordo com o ciclo econômico.
Tendo em vista que a macroeconomia afeta os indicadores sociais e esses por

sua vez influenciam na V&C, podemos inferir que por mais que os indivíduos sejam
influenciados pelas políticas macroeconômicas, expansão ou retração, o contexto social
em que está inserido e as particularidades da economia também podem gerar efeitos
sobre as taxas de criminalidade e violência. É importante então lembrar que o
comportamento social varia em diferentes sociedades e, por isso, vale ressaltar a
5
importância de estudos mais específicos a fim de aprofundar os conhecimentos a

respeito do comportamento social em diferentes economias.
No Ceará, apesar de recente, já existem diversos estudos sobre as causas da

criminalidade no estado, por exemplo: Loureiro (2009), Suliano e Oliveira (2010 e
2013), Medeiros et al. (2013), Carvalho e Oliveira (2015), Guerra Júnior (2016), Silva
(2017), Tabosa, Dantas e Carvalho (2019), Oliveira (2019) e Santos, Vasconcelos e
Moreira Júnior (2020).
Loureiro (2009) utiliza um modelo de dados em painel para estimar o impacto

gerado pelo efetivo policial sobre a criminalidade em municípios do Ceará que
possuíam dados entre os anos de 2004 e 2006. Para estimar ele utiliza, diferentemente
de outros trabalhos, quatro categorias de crime, a saber: homicídio, roubo, furto e lesão
corporal. Utilizando essas variáveis ele avaliou o efeito do contingente policial e fatores
socioeconômicos sobre o crime nos municípios avaliados. Para avaliar os possíveis
determinantes das taxas de crime considerou o número de policiais civis e militares,
taxa de urbanização e nível de renda. Essas variáveis são consideradas fatores
determinantes básicos das taxas de variação do crime. Observou-se que a taxa de
urbanização e nível de renda, afetam positivamente e de maneira robusta a
criminalidade nas quatro categorias de crime avaliadas. Nota-se também que quando
considerado o problema de simultaneidade entre efetivo policial e crime há uma eficácia
das medidas de repressão de curto prazo sobre o crime no estado.
Outro trabalho que também avalia o efetivo policial na inibição de crimes no

Ceará é o de Suliano e Oliveira (2010 e 2013). O trabalho investiga o aumento do
efetivo policial e a inibição de crimes contra o patrimônio e contra a propriedade
utilizando taxas de roubos e de furtos em uma área de concentração urbana no Ceará. A
hipótese segue a lógica proposta no modelo de comportamento criminal de Becker
(1968), onde um maior efetivo policial tende a inibir a ação criminosa uma vez que
aumenta o custo da ação criminosa e reduz os benefícios da mesma. Os resultados
encontrados no trabalham apontam para um efeito deterrence uma vez que reafirma a
alteração dos incentivos dos criminosos com o aumento do efetivo policial nas ruas.
Também detectaram uma possível inércia criminal, onde mesmo mantendo os fatores
socioeconômicos e o patrulhamento constante, há uma acentuação do crime.
6
Medeiros, Carvalho e Oliveira (2015) investigam a relação entre violência,

demografia e desenvolvimento humano na capital cearense. Utilizando dados
georreferenciados de crimes violentos letais e intencionais (CVLI), calcularam a
incidência de crimes para as 247 Unidades de Desenvolvimento Humano (UDH) de
Fortaleza. Foi encontrado que os crimes de CVLI´s concentram-se espacialmente em
Fortaleza. Observou-se ainda, entre os anos de 2012 e 2014, uma difusão dos crimes
violentos no território partindo das áreas de maior incidência. Também foi estimado que
um incremento de 0,1 scores no IDH reduz, em média, 0,54% a taxa de CVLI na
capital. Por último verificou-se que a densidade demográfica afeta, mas de maneira não
linear, a taxa de CVLI e a população que reside em moradias do tipo apartamentos ou
condomínios, tem menor incidência de crimes violentos.
Tabosa, Dantas e Carvalho (2019) avaliam o impacto de um programa sobre a

taxa de homicídios no Ceará. No trabalho realizam uma análise, ex-ante e ex-post, de
uma intervenção (Em Defesa da Vida) utilizando um desenho de séries temporais
interrompidas (Interrupted Time Series-ITS) no período de 2010 a 2016. Com isso
avaliam mudanças na tendência das taxas de homicídio do estado. Também utilizaram
estados comparados para análise das taxas de homicídio e analise de uma série temporal
de controle. Encontraram que o programa analisado associa-se a uma redução de 24,8%
em homicídios no Ceará.
O presente estudo se propõe a investigar, com base nos testes de Causalidade

de Granger dinâmico, em que medida as mudanças ocorridas nas condições
socioeconômicas ou macroeconômicas do Estado do Ceará (por exemplo, nível de
renda, salário médio, desemprego, atividade econômica, taxa de inflação, encargos
tributários, gastos públicos com segurança pública, entre outros indicadores) se
relacionam com os crimes de homicídios, roubos e furtos nos últimos onze anos (2009-
2019).
O estudo está organizado da seguinte forma: além desta introdução, temos a

seção 2 que discute brevemente a literatura empírica, analisando a relação de
causalidade entre criminalidade (aqui representada pelos crimes de homicídios, roubos e
furtos) e fatores econômicos. A seção 3 apresenta a metodologia, os dados e a estimação
dos testes de Causalidade de Granger variando no tempo. Na seção 4 os resultados são
apresentados, e em seguida, as conclusões são realizadas na seção 5.
7
2. A IMPORTÂNCIA DOS FATORES ECONÔMICOS NOS ESTUDOS DE

VIOLÊNCIA & CRIMINALIDADE (V&C)
A Economia do Crime iniciada por Becker (1968) tem como um dos seus
pressupostos que o comportamento de um potencial criminoso se baseia em benefícios
monetários relativamente aos custos para efetivar um crime. A hipótese fundamental do
trabalho do autor é de que os agentes econômicos são racionais e de tal forma que
maximizam seus ganhos quando tomam a decisão de cometer um crime.
Assim, uma pessoa comete um delito se a utilidade esperada para ela exceder a
utilidade que seria obtida ao utilizar seu tempo e recursos em uma outra atividade.
Portanto, algumas pessoas se tornam “criminosas” não porque sua motivação básica
seja diferente, mas porque seus benefícios e custos diferem. Praticamente todas as
diversas teorias concordam que, mantidas as outras variáveis constantes, um aumento na
probabilidade de condenação ou punição de uma pessoa, se condenada, em geral
diminui, talvez substancialmente, talvez de maneira negligenciável, o número de delitos
por ela cometidos’ (BECKER, 1968, p. 176).
Multas concedem compensação para as vítimas, e no ponto ótimo conseguem

compensá-las de tal forma que as deixarão pelo menos tão bem quanto no momento
anterior ao que o delito foi cometido. Outros tipos de punição não só falham na
compensação, mas também requerem que as “vítimas” gastem recursos adicionais para
que a punição ocorra. Não sendo assim surpreendente que a raiva e medo voltados para
ex-presidiários que não “pagaram suas dívidas com a sociedade” tem resultado em
punições adicionais, incluindo restrições legais em suas oportunidades políticas e
econômicas, além de restrições informais em termos de aceitação social (BECKER,
1968, p. 194).
Dito isso, a Economia do Crime tornou-se um novo campo de investigação,

principalmente devido ao rápido aumento das atividades criminosas em vários países
ocidentais, orientais, norte americanos e latinos. Quando a taxa de desemprego aumenta
em algum desses países, as oportunidades para auferir renda diminuem, instigando os
indivíduos a cometer crimes. Os custos de cometer crime diminuem para trabalhadores
desempregados. As pessoas pobres têm renda e recursos limitados para satisfazer seus
desejos e vontades.
8
Por exemplo, no Paquistão, as estatísticas de pobreza mostram um quadro

sombrio, além de aumentar a desigualdade de renda. Um nível baixo de renda significa
baixo potencial de poupança que resulta em baixo padrão de vida. Logo, uma renda
baixa em relação ao aumento de preços (inflação) tem efeito instigante ao crime,
reduzindo o limiar moral do indivíduo. Portanto, pode-se concluir que as pessoas na
pobreza são induzidas a cometer crimes (GILLIANI et al., 2009, p. 80-93).
Para reduzir a criminalidade, é importante que o crescimento econômico seja

favorável à classe mais pobre da sociedade. Devendo seguir um caminho que direciona
recursos para as áreas em que há uma maior parcela de pobres, como os “bolsões de
pobrezas” típicos dos grandes centros urbanos, em geral, em regiões comparativamente
menos desenvolvidas. Na sua formulação mais pura, a desorganização social refere-se à
incapacidade das comunidades locais de perceber os valores comuns dos moradores ou
resolver problemas comuns (BURSIK, 1988, p. 521).
Decisões políticas e econômicas podem ter efeitos diretos nas taxas de

criminalidade de uma comunidade (por exemplo, quando uma casa intermediária é
introduzida em um bairro e seus membros cometem crimes) e efeitos indiretos sobre a
criminalidade, aumentando o nível de desemprego e pobreza (através da
desindustrialização, desinvestimento, etc.), instabilidade residencial (via políticas de
demolição de habitações e construções) e densidade populacional (KUBRIN E
WEITZER, 2003, p. 385).
Um dos objetivos da análise econômica não é apenas identificar os

determinantes econômicos e sociais do crime, mas de projetar e explorar políticas
públicas eficazes e eficientes. Tais análises deve apoiar os formuladores de políticas na
busca e na implementação de políticas corretas e adequadas na redução do crime. Para
fazer isso, é necessário delinear os determinantes do comportamento criminoso e
explorar as relações existentes entre variáveis econômicas. Por exemplo, aumentos na
probabilidade de prisão tendem a ser mais efetivos do que aumentos no tempo de prisão.
Em princípio, isso deve ocorrer porque os criminosos não são neutros ao risco, ou então,
porque são muito impacientes (BUONANNO, 2003, p. 2-6).
Outro ponto a se considerar sobre a V&C são as políticas públicas de educação,

apesar de não ser objeto desse estudo. A maioria das contribuições sobre os efeitos da
9
educação no crime enfatiza como a educação melhora as habilidades dos indivíduos,

aumentando assim o retorno recebido pelo trabalho legítimo, tornando os custos de
oportunidade do comportamento ilegal maiores. Porém, existem benefícios da educação
que não são levados em consideração pelos indivíduos, implicando que o retorno social
da educação é superior ao retorno privado. A educação possui um efeito indireto (não
mercadológico) que afeta as preferências dos indivíduos. Esse efeito (“efeito
civilização”) torna a decisão criminal psicologicamente mais custosa (BUONANNO,
2003, p. 18).
Trabalhos teóricos e empíricos que relacionam características/condições

socioeconômicas e criminalidade, têm se tornado bastante frequente em diversas áreas
das ciências sociais aplicadas. Estudos como os de Becker (1968) que sugerem a
existência de um comportamento racional para criminosos com base em incentivos e
probabilidade de apreensão e convicção são replicados até hoje (HALICIOGLU, 2012).
Harrendorf et al. (2010) com estatísticas comparáveis sobre crime em 144 países;
Procópio et al. (2017) que utiliza-se de um modelo econométrico na estrutura de dados
em painel para todas as unidades federativas brasileiras e conclui que o mercado de
drogas e a taxa de desemprego influenciam positivamente as taxas de crimes violentos,
entre outros.
Miethe et al. (1991) buscaram analisar, baseado na Teoria da Desorganização

Social (Social Disorganization Theory - SDT), as relações entre fatores estruturais
(como status econômico, heterogeneidade étnica e mobilidade residencial) e
criminalidade para algumas cidades americanas. Os autores fizeram um painel com
dados de registros policiais de 584 cidades americanas para os anos de 1960, 1970 e
1980, de modo atestar as variáveis explicativas para os homicídios, roubos e furtos.
Dentre os fatores significativos figuraram a taxa de desemprego, a heterogeneidade
étnica, a mobilidade residencial, o controle institucional e a existência de mais de um
morador por cômodo.
Warner e Pierce (1993) buscaram avaliar a partir das chamadas telefônicas para
a polícia fez um cross-section de 1.980 localidades na vizinhança de Boston/EUA, em
1960. Para isso, os autores, utilizaram uma versão alternativa do modelo, no qual
tomava em conta o efeito derivado da interação das variáveis explicativas. Ao passo em
que pobreza teve um coeficiente significativo e com o sinal esperado pela teoria, a
10
mobilidade residencial gerou um sinal contrário ao esperado e a heterogeneidade na

maioria dos modelos testados resultou em não-significativo, destoando dos trabalhos
anteriores.
Vários outros estudos procuraram demonstrar o sentido contrário da

causalidade, ou seja, os efeitos adversos que a criminalidade gera sobre a organização
social. Destacam-se aí os trabalhos de Skogan (1986; 1991), Katzman (1980), Bursik
(1986), Sampson e Wooldredge (1986), Smith e Jarjoura (1988), Sampson & Groves
(1989) e Sampson (1995; 1997). Assim, a conclusão geral que se poderia extrair de
todos esses estudos supracitados, seria a favor de uma relação negativa entre crime e
coesão social.
Ehrlich (1973) investigou os efeitos decorrentes da distribuição de renda sobre

a criminalidade. Para isso, o autor estendeu a análise de Becker (1968) para considerar
qual deveria ser a alocação ótima do tempo em torno do mercado criminoso ou legal.
Mais especificamente com relação aos crimes contra o patrimônio, o autor assinalou que
um elemento determinante seria a oportunidade oferecida pelas vítimas potenciais.
Como proxy dessa oportunidade oferecida, ele adotou as seguintes variáveis, a saber: (i)
a renda mediana das famílias de determinada comunidade; e (ii) o percentual de famílias
que recebem até o primeiro quartil da renda da comunidade. Assim, utilizando dados
decenais do Uniform Crime Report (UCR) referentes aos anos de 1940, 1950 e 1960, o
autor estabelece uma relação positiva significativa entre as mediadas de desigualdade
enunciadas e vários tipos de crime.
Block e Heinecke (1975) mostraram que os resultados de Becker (1968) e

Ehrlich (1973), acerca das oportunidades de ganho no mercado legal, são válidos apenas
se existirem equivalentes monetários das atividades legal e ilegal e se esses forem
independentes do nível de riqueza. Para os autores desde que, existem diferenças éticas
e psicológicas envolvidas no processo de decisão do indivíduo da escolha entre os
setores legal e ilegal, o problema da oferta de crimes deveria ser formulado em termos
de uma estrutura de preferências multifatorial, que levasse em conta outros aspectos que
não apenas a renda (CERQUEIRA E LOBÃO, 2003, p. 17).
Brofenbrenner (1979), utilizando-se da abordagem ecológica do crime, defende

que o ambiente influencia o desenvolvimento do indivíduo em diversos aspectos. Em
11
suma, a principal contribuição da sua abordagem é de que o ambiente, ao qual o

indivíduo está inserido, altera a sua avaliação moral e consequentemente o seu custo
moral.
Já Freeman (1994), ao analisar regiões metropolitanas da América do Norte

não chegou a uma correlação significativa entre desigualdade social e crimes contra a
propriedade. Em um estudo aplicado a Colômbia, Bourguignon (1999) chegou às
evidências inconclusivas quanto à relação entre desigualdades sociais e crimes contra o
patrimônio. Os resultados obtidos pelo autor, por meio de modelos de dados em painel e
series de tempos, geraram uma maior ambiguidade, enquanto, quando atingidos por
meio de modelos de regressões cross-section são mais robustos.
Chen (2009) examina as relações de longo prazo e causais sobre desemprego,

renda e criminalidade em Taiwan, adotando como metodologia teste de causalidade dos
modelos VECM-VAR e VAR em nível. Os resultados apontaram para relações entre
desemprego, renda e roubo; desemprego, renda e fraude econômica, concluindo ao final
que não houve indícios fortes em favor das hipóteses de criminalidade liderada pelo
desemprego ou desemprego liderado pelo crime.
Janko e Popli (2015) examinaram a ligação entre crime e desemprego de forma

cronológica no Canadá, neste estudo foi desagregado os dados do crime e analisado a
relação entre seis diferentes taxas de crime, taxa de desemprego e região, foi empregado
dois modelos, Modelo de correção de erros (VECM) e Vetor Autoregressivo (VAR)
para testar a dinâmica de curto e longo prazo. Não foram encontradas evidências de uma
relação de longo prazo entre crime e desemprego. Para tipos selecionados de crimes
contra a propriedade, foi encontrado algumas evidências de uma relação negativa
significativa de curto prazo entre o crime e o desemprego, apoiando a hipótese do
“efeito oportunidade”.
Adekoya e Razak (2017), ao tratar sobre crime e pobreza na Nigéria, analisou a

cointegração entre esses dois fatores verificando a relação causal e ampliando a teoria
da racionalidade ao testar a hipótese da riqueza do crime na teoria da riqueza. Neste
trabalho foi analisado dados para o período compreendido de 1990 a 2012 por meio de
teste de estimativas de limites, modelo VECM, teste de Causalidade de Granger e de
decomposição de variância para determinar níveis de convergência dos choques para
12
formulação de políticas públicas. Os resultados concluíram, a existência de impacto de

curto prazo do crime sobre a pobreza e uma causalidade unidirecional do crime afetando
a pobreza; que o crescimento econômico desempenhou papel crucial ao impactar a
pobreza no curto prazo; e a correlação bidirecional entre crescimento econômico e
pobreza.
Lobont et al. (2017) buscaram analisar os efeitos das condições

socioeconômicas sobre as taxas de criminalidade em algumas regiões da Romênia.
Trabalhando com dados de 1990 a 2014 relacionados à renda, desemprego, inflação,
desigualdade, desenvolvimento, educação e densidade populacional como fatores
econômicos e também dados sobre o crime dividido por região e tipo e utilizando-se de
técnicas de cointegração e as relações causais, sustentam a hipótese de causalidade
significativa entre fatores socioeconômicos e crime. Seus resultados apontam duas
direções: primeiro, que um aumento na desigualdade de renda tem um efeito positivo,
forte e robusto, sobre as taxas de criminalidade, e a segunda revela que o local de
residência é essencial, sendo a aglomeração urbana um fator gerador de crime.
Masih e Masih (1996) coloca a análise do crime em uma estrutura temporal

“Granger Causal” no caso australiano, estudando a relação entre diferentes categorias
de criminalidade e seus determinantes socioeconômicos em um sistema cointegrado
multivariado, concluindo que o desemprego australiano impacta de forma moderada
todas as categorias de crime, seguido do fator urbanização.
Anwar et al. (2017), buscaram analisar os efeitos de alguns indicadores

socioeconômicos sobre as taxas de criminalidade no Paquistão. Usando dados anuais do
tipo times series para o período de 1973-2014 de taxa de criminalidade, desemprego,
educação, desigualdade de renda, renda per capita e variáveis de dissuasão, e estimando
a curto e longo prazo, encontraram elasticidades de oferta da função ofensiva, usando
abordagem modelada em regressão autoregressiva distribuída.
Por fim, os estudos relacionados às causas da dinâmica da criminalidade no

Brasil sofrem, segundo Cerqueira e Lobão (2003, p. 21), de uma extrema limitação
derivada da inexistência quase que absoluta de dados minimamente confiáveis, com
cobertura nacional e reproduzidos temporalmente.
13
Os estudos a dinâmica criminal brasileira começaram com Zaluar (1985), no

estado do Rio de Janeiro, que desenvolveu um trabalho nas favelas e comunidades
envolvendo uma série de elementos etnográficos que associaram o contexto social aos
fenômenos da criminalidade. Posteriormente, os trabalhos de Paixão (1988) e Coelho
(1988) descreveriam a importância das condições socioeconômicas na determinação da
criminalidade para o estado de Minas Gerais.
Entretanto, os dois estudos de Pezin (1986), são considerados um dos primeiros

trabalhos quantitativos empíricos aplicados ao contexto brasileiro. O primeiro faz uma
análise em cross-section com dados de 1983, enquanto, o segundo faz uma abordagem
em séries temporais para a Região Metropolitana de São Paulo, com dados
compreendidos entre os anos de 1970 e 1984. O autor encontrou evidências de uma
correlação positiva significativa entre urbanização, pobreza e desemprego em relação a
crimes contra a propriedade. De outro modo, não houve evidências acerca da correlação
entre aquelas variáveis sociais e demográficas em relação aos crimes contra a pessoa.
Beato e Reis (2000) buscaram constatar a relação defasada entre nível de

emprego e crimes violentos contra a vida e contra o patrimônio em Belo Horizonte entre
os anos de 1996 e 1998. Seus resultados não foram significantes, reflexo,
possivelmente, da curta série de dados analisada.
Cano e Santos (2001), com base em uma estimação por MQO para o ano de
1991, encontraram evidências acerca de uma correlação positiva entre taxas de
urbanização e taxas de homicídios nos estados brasileiros, ao mesmo tempo em que não
puderam evidenciar a relação desses últimos com a desigualdade da renda e educação.
14
3. METODOLOGIA
3.1 Estratégia Econométrica
Do ponto de vista econométrico, além de fornecer evidências recentes sobre a

conjuntura da V&C para o Ceará, este estudo expande a literatura existente testando
mudanças na direção da causalidade entre indicadores macroeconômicos e índices de
criminalidade. Para este fim, empregamos o teste de causalidade de Shi et al. (2018) em
um modelo de autorregressão vetorial bivariada (VAR) usando séries temporais
trimestrais para o período de 2009-2019.
3.1.1 Teste de Causalidade de Granger dinâmico
Testamos a causalidade na relação entre os indicadores macroeconômicos (𝑠 )

e as taxas de criminalidade (𝑐 ), com base no seguinte VAR bivariado de ordem 𝑝:
𝑐 =∑ 𝜑 (𝑖)𝑡 . + ∑ 𝜑 (𝑖). 𝑐 +∑ 𝜑 (𝑖). 𝑠 +𝑒 , ,

(1)
𝑠 =∑ 𝜑 (𝑖)𝑡 . + ∑ 𝜑 (𝑖). 𝑐 +∑ 𝜑 (𝑖). s +𝑒 , ,
Onde 𝑐 e 𝑠 são as taxas de criminalidades (neste estudo, são as taxas de homicídios,

roubos e furtos) e os indicadores macroeconômicos (ver Quadro 01), 𝜑 (𝑖) são os
coeficientes, 𝑃 é a defasagem, 𝑒 , e𝑒 , são os termos de erros, 𝑡 = 1, ⋯ , 𝑇.
Quando os indicadores macroeconômicos são importantes para prever a

trajetória da V&C, então a conjuntura econômica causa, no sentido de Granger,
criminalidade e vice-versa. É importante enfatizar que a Causalidade de Granger é
baseada nos critérios de previsão de Granger e não necessariamente implica causalidade
comportamental.
No sistema de equação (1), quando 𝑐 e 𝑠 são estacionários, as hipóteses nulas

(𝐻 ) de nenhuma causalidade são:
𝐻( ↛ ), : 𝜑 (𝑖) = 0 ∀𝑖 (𝑐 𝐷𝑁𝐺𝐶 𝑠 ), (2)

𝐻( ↛ ), : 𝜑 (𝑖) = 0 ∀𝑖 (𝑠 𝐷𝑁𝐺𝐶 𝑐 ), (3)
15
Onde 𝐷𝑁𝐺𝐶 significa não Granger-Causa (does not Granger-Cause). A rejeição de

apenas 𝐻( ↛ ), (ou 𝐻( ↛ ), ) é a evidência da hipótese de que fatores macroeconômicos
Granger-Causa criminalidade (ou criminalidade Granger-Causa fatores
macroeconômicos).
Determinamos e datamos as mudanças no teste de Causalidade de Granger

com base no teste supremo de Wald (RE) de evolução recursiva desenvolvido
recentemente por Shi et al. (2018). Para explicar o procedimento de teste de RE,
considere o modelo VAR (1) escrito como:
𝑦 = Φ𝑥 + 𝑒 , (4)
onde 𝑦 = (𝑐 , 𝑠 )′, 𝑥 = (1, 𝑡, 𝑦 ,𝑦 , … , 𝑦′ )′, 𝑒 = (𝑒 , , 𝑒 , )′, e Φ ×( ) =

[𝜑 , 𝜑(1), … , 𝜑(𝑃)].
O teste prossegue da seguinte maneira. Suponha que 𝜆 seja alguma observação

fracionária de interesse e 𝜆 seja o tamanho mínimo da janela, como uma porcentagem
de toda a amostra, definida para estimar o modelo VAR (1).
A primeira observação de interesse é, portanto, 𝑇 = ⌊ 𝑇𝜆 ⌋, onde ⌊.⌋ denota a

parte inteira de 𝑇𝜆 . O teste de janela RE é baseado no supremo de uma série de
(↛ )
estatísticas de Wald calculadas recursivamente 𝑊 (𝑙 ), 𝑖 = 𝑐, 𝑠; 𝑗 = 𝑐, 𝑠; 𝑖 ≠ 𝑗.
Considerando o caso 𝐻( ↛ ), , um conjunto de estatísticas de Wald dado por
( ↛ )
𝑊 (𝑙 ), … , 𝑊 ( ↛ )
𝑙( ) é calculado para cada 𝜆 ∈ [𝜆 , 1], onde,
( ↛ )
𝑊 (𝑙 ) = 𝑅 𝑣𝑒𝑐 Φ ′𝑅 Ω ⨂(𝑋 ′𝑋 ) 𝑅′ 𝑅 𝑣𝑒𝑐 Φ , (5)
𝑙 é a subamostra [𝜅, 𝑇 ], 𝜅 = 1,2, … , ⌊𝑇(𝜆 − 𝜆 )⌋, 𝑃 × (2𝑃 + 2) é a matriz de

valores 0 e 1 que define os coeficientes correspondentes de Φ a zero sob 𝐻( ↛ ), ,
𝑣𝑒𝑐 Φ é a linha vetorizada 2(2𝑃 + 2) × 1 coeficientes de Φ estimado para 𝑙 , e 𝑋 é
a matriz dos regressores em (4) observado em 𝑙 , Ω é a estimativa dos MQO da matriz
de covariância do erro em 𝑙 .
16
A estatística de teste sup Wald de 𝐻( ↛ ), para a observação 𝑇 é, portanto, o

supremo considerando todas as estatísticas de teste no conjunto
( ↛ )
𝑊 (𝑙 ), … , 𝑊 ( ↛ )
𝑙( ) ,
( ↛ ) ( ↛ )
𝑆𝑊 = 𝑠𝑢𝑝 𝑊 (𝑙 ): 𝜅 ∈ [1, (𝜆 − 𝜆 )] . (6)
À medida que a observação de interesse se move de 𝑇 para T, uma sequência de

( ↛ )
estatísticas supremos Wald 𝑆𝑊 é calculada para 𝜆 ∈ [𝜆 , 1]. No caso de 𝐻( ↛ ), ,
( ↛ )
as estatísticas 𝑊 (𝑙 ) e uma sequência de estatísticas de Wald supremo 𝑆𝑊 ( ↛ )
são calculadas da mesma maneira.
( ↛ ) ( ↛ )
As sequências de 𝑆𝑊 e 𝑆𝑊 são então empregadas para determinar os
intervalos em que 𝐻( ↛ ), e/ou 𝐻( ↛ ), são rejeitadas. Por exemplo, se a sequência de
( ↛ ) ( ↛ )
apenas 𝑆𝑊 (ou 𝑆𝑊 ) excede seus valores críticos correspondentes no intervalo
[𝑇 , 𝑇 ], rejeitamos 𝐻( ↛ ), (ou 𝐻( ↛ ), ) e, portanto, temos suporte para a hipótese de
que fatores macroeconômicos Granger-causa criminalidade (ou criminalidade Granger-
causa fatores macroeconômicos) neste período.
Os tamanhos mínimos da janela 𝜆 são definidos como frações que

correspondem 10 trimestres dos dados para os três tipos de crimes analisados. A ordem
de defasagem VAR para cada subamostra 𝑙 usada nos cálculos da estatística Wald pode
mudar e é selecionada pelo critério de informação de Akaike de um máximo de 4
defasagens. Usamos a versão consistente heteroscedástica da estatística de Wald,
(↛ ) (↛ )
𝑆𝑊𝐻 = 𝑠𝑢𝑝 𝑊𝐻 (𝑙 ): 𝜅 ∈ [1, (𝜆 − 𝜆 )] , (7)
onde,
(↛ )
𝑊𝐻 (𝑙 ) = 𝑇(𝜅) 𝑅 𝑣𝑒𝑐 Φ ′𝑅 𝑉 W𝑉 𝑅′ 𝑅 𝑣𝑒𝑐 Φ , (8)
𝑖 = 𝑠, 𝑐, 𝑗 = 𝑠, 𝑐, 𝑖 ≠ 𝑗, 𝑉 ≡ 𝐼 ⨂𝑄 com 𝑄 ≡ ∑ 𝑥𝑥 /𝑇(𝜅), 𝑊 ≡ ∑ 𝜀̂ 𝜀̂ /
𝑇(𝜅) com 𝜀̂ ≡ 𝑒̂ ⨂𝑥 , e 𝑇(𝜅) é o tamanho da subamostra 𝑙 .
17
3.2 Fontes de dados e variáveis selecionadas
O estudo busca analisar como os indicadores macroeconômicos se relacionam

com os índices de homicídios, roubos e furtos e como as diferenças, de nível e
evolução, da conjuntura econômica cearense nos últimos onze anos, ajudam a entender
a dinâmica da criminalidade atual. Para isso, foi realizado um levantamento,
bibliográfico e documental, de estudos correlatos ao tema, contextualizando-os e
exercendo as respectivas avaliações de seus resultados. Os trabalhos selecionados para
este estudo foram obtidos por meio da busca livre na internet, livros, revistas e artigos
científicos. Para possibilitar a verificação desses estudos, foram utilizados indicadores e
pesquisas estatísticas referentes aos índices de criminalidade e características
macroeconômicas correlatas com objetivo de analisar os efeitos da conjuntura
econômica sobre o nível de criminalidade para a realidade do Ceará.
3.2.1 Crimes Violentos Letais e Intencionais - CVLI
Os dados relativos à V&C no estado são organizados e disseminados pela

Secretaria de Segurança Pública e Defesa Social do estado do Ceará (SSPDS/CE).
Segundo a SSPDS/CE (2020, p.1), a sigla CVLI foi criada em 2006 pela Secretaria
Nacional de Segurança Pública (SENASP), vinculada ao Ministério da Justiça e
Segurança Pública (MJSP), com a finalidade de agregar os crimes de maior relevância
social. Entende-se por Crimes Violentos Letais e Intencionais (CVLI) a soma de crimes
de homicídio doloso, feminicídio, lesão corporal seguida de morte e roubo seguido de
morte (latrocínio).
A quantidade será definida pela soma de todos os homicídios classificados

como doloso, isto é, praticados voluntária ou intencionalmente, por qualquer
instrumento ou meio, de todas as lesões intencionais que resultaram em morte e de
todos os latrocínios praticados. Outros crimes classificados como homicídio doloso,
após o resultado do trabalho policial, bem como os que resultaram na ausência de dolo,
poderão ser retificados a posteriori na série. Inclui-se aqui todas a tentativas em que a
vítima venha a óbito posteriormente dentro do mês de aferição. Além disso, contabiliza
o total de policiais mortos em serviço ou fora dele, vítimas de ação violenta e
intencional. Estão excluídas desta categoria para fins estatísticos as mortes decorrentes
de intervenção policial e as mortes em unidade prisionais.
18
3.2.2 Crimes Violentos contra o Patrimônio – CVP
De acordo com a SSPDS/CE (2020, p.1), entende-se por Crimes Contra o

Patrimônio (CVP) todos os crimes classificados como roubo, exceto o roubo seguido de
morte (latrocínio) que já é contabilizado nos indicadores de CVLI. Sendo roubo o ato de
subtrair coisa móvel alheia, para si ou para outro, mediante grave ameaça ou violência à
pessoa (ou não), ou depois de havê-la, por qualquer meio, reduzido à impossibilidade de
resistência.
A quantidade será definida pela soma dos (as) ocorrências/registros oficiais de

todos os tipos de roubos praticados no estado. Antigamente, para fins de monitoramento
mensal dos crimes de alta prioridade, a SSPDS/CE considerava os roubos nas seguintes
modalidades: CVP-1 (inclui roubo à pessoa, roubo de documentos e outros roubos que
não estão incluídos no CVP-2) e CVP-2 (inclui roubo a residência, roubo com restrição
de liberdade da vítima, roubo de carga e roubo de veículos).
3.2.3 Furto
Entende-se por Furto o ato de subtrair, para si ou para outrem, coisa alheia
móvel. No furto não há violência ou grave ameaça, que difere do roubo por ser
praticado mediante grave ameaça ou violência à pessoa. A quantidade será definida pela
soma dos (as) ocorrências/registros oficiais de todos os tipos de furtos praticados no
estado. Estão inseridas nesta categoria de crime as ocorrências, a saber: (i) furtos de
carga, (ii) veículo, (iii) documentos, (iv) placa de veículo, (v) furto qualificado
(arrombamento) e (vi) outros.
3.2.4 Indicadores econômicos
Por fim, as informações referentes à realidade macroeconômica do Ceará e as

relacionadas à violência e criminalidade, foram extraídas dos sítios eletrônicos das
entidades estatais e instituições concernentes, conforme o Quadro 01 a seguir.
19
Quadro 01: Variáveis selecionadas como proxy da conjuntura macroeconômica e V&C.

Dimensão Variáveis: 2010m01-2019m12 Fonte
Admitidos
Desligados
Saldo de emprego CAGED
Mercado de Índice de emprego
Trabalho Salário mensal médio
Índice de emprego formal BACEN
Salário mínimo real DIEESE
Taxa de inflação - IPCA
Taxa de inflação - INPC
IBGE
Índice Nacional de Custo da Construção (INCC) - (média 2019 = 100)
Índice Nacional de Custo da Construção (INCC)
Nível de Preço Custo real médio do metro quadrado (100 = 2019)
Custo real médio do metro quadrado (D% 12 meses)
Custo real médio do metro quadrado (Reais) DIEESE
Gasto Mensal - Total da Cesta
Tempo de trabalho - Total da Cesta
Produção industrial mensal- PIM IBGE
Imposto sobre Circulação de Mercadorias e Serviços (ICMS) - Setor
Primário (ICMSP)
SEFAZ-CE
Secundário (ICMSS)
Terciário (ICMST)
Índice de Atividade Econômica Regional (IBCR)
Índice de vendas varejo por categoria (índice dessaz./média 2014 = 100)(1)
Índice de vendas varejo - Combustíveis e lubrificantes
Índice de vendas varejo - Hipermercados, supermercados, produtos
Nível Atividade alimentícios, bebidas e fumo
Econômica Índice de vendas varejo - Hipermercados e supermercados
Índice de vendas varejo - Tecidos, vestuário e calçados
BACEN
Índice de vendas varejo - Móveis e eletrodomésticos
Índice de vendas varejo - Artigos farmacêuticos, médicos, ortopédicos, de
perfumaria e cosméticos
Índice de vendas varejo - Livros, jornais, revistas e papelaria
Índice de vendas varejo - Equipamentos e materiais para escritório,
informática e comunicação
Índice de vendas varejo - Outros artigos de uso pessoal e doméstico
Fatores comuns - FC1 Autores
Fatores comuns - FC2 Autores
Finanças Públicas Gastos reais com Segurança Pública(2)
Nº de vítimas homicídios (CVLI)
Nº de ocorrência de roubos
Violência e Nº de ocorrência de furtos SSPDS-CE
Criminalidade
Taxa 100 mil hab. de homicídios (CVLI)
(V&C)(3)
Taxa 100 mil hab. de roubos
Taxa 100 mil hab. de furtos
Fonte: Elaboração própria (2020). Nota: (1) As categorias consideradas neste estudo foram: Artigos
farmacêuticos, médicos, ortopédicos, de perfumaria e cosméticos; Combustíveis e lubrificantes;
Equipamentos e materiais para escritório, informática e comunicação; Hipermercados e supermercados;
Hipermercados, supermercados, produtos alimentícios, bebidas e fumo; Livros, jornais, revistas e
papelaria; Móveis e eletrodomésticos; Outros artigos de uso pessoal e doméstico; Tecidos, vestuário e
calçados. (2) Informações referentes às despesas com Administração Geral, Formação de RH, Tecnologia
da informação e Policiamento. As informações aqui apresentadas foram extraídas do Portal da
Transparência do estado do Ceará. (3) O cálculo da taxa por 100 mil/habitantes foi feito por meio do
quociente entre o número total de crimes ocorridos no ano e a população registrada no mesmo ano,
multiplicado por 100 mil habitantes.
20
4. RESULTADOS E DISCUSSÕES
Nesta seção serão apresentados os principais resultados dos testes de
Causalidade de Granger dinâmico proposto por Shi et al. (2018). A hipótese nula (𝐻 )
é que a conjuntura macroeconômica cearense não Granger-Causa criminalidade
(𝐻( ↛ ), ). Ressalta-se que em todos os casos, consideramos um VAR com as duas
variáveis (indicadores macroeconômicos versus índices criminais) em questão e o
indicador de gastos com segurança. Além disso, foi restringido o VAR para ter no
mínimo 36 meses e a ordem do mesmo foi selecionada pelo critério de informação
Bayesiano (BIC).
Por fim, foram adicionados mais dois indicadores no conjunto dos 31

indicadores econômicos selecionados (Ver em Quadro 01). Esses últimos indicadores
adicionados, são dois fatores comuns extraídos do grupo dos trinta e um. No total,
temos trinta e três indicadores econômicos. Então, para cada índice de criminalidade,
foram realizados 33 testes de Causalidade de Granger, variando no tempo, que foram
sintetizados, sem perda de generalidades, e apresentados nos gráficos a seguir.
4.1 Análise do teste de Causalidade de Granger dinâmico para os índices de

homicídios, roubos e furtos
A figura 01 abaixo mostra os períodos onde o teste Causalidade de Granger

foi constatada o maior número de vezes (entre os indicadores macroeconômicos
elencados no quadro 01). Assim, essa figura representa uma distribuição de frequência
de ocorrências de causalidade, no sentido de Granger, entre indicadores
macroeconômicos e índices de criminalidade para o período em análise.
Conforme os resultados das estimações observa-se que em 2016 foi o ano que
mais apresentou rejeições de não haver relações de Causalidade de Granger entre os
indicadores econômicos e a taxa de homicídios por 100 mil habitantes. Em julho e
agosto de 2016, do conjunto dos trinta e três indicadores macroeconômicos apenas treze
(39%) rejeitaram a hipótese nula (H0) de não Causalidade de Granger, ou seja, entre
esse intervalo temporal a tendência de V&C no estado poderia ser explicada pela
conjuntura econômica local.
21
Gráfico 1: Distribuição de freqüência dos resultados do teste de causalidade RE

(Causalidade de Granger dinâmico) para as taxas de homicídios, roubos e furtos –
Ceará (2010-2019).
Fonte: Elaboração própria (2020).
Por outro lado, entre os anos de 2011 e 2013, observa-se que neste intervalo de
tempo, nota-se que todos os indicadores apresentaram nenhuma relação de causalidade,
no sentido de Granger, com as taxas de homicídios, roubos e furtos. A hipótese H0 não
foi rejeitada, mostrando que durante o período supracitado, existiam outros fatores, que
não seria de natureza econômica, que poderiam explicar o comportamento da
criminalidade e da violência no Ceará (ver Gráfico 1).
Com relação aos resultados para a taxa de roubos, conforme a figura 01,
constata-se que entre os anos de 2016 e 2017, foram os períodos com maior incidência
de relações de Causalidade de Granger entre os indicadores econômicos e a taxa de
roubos por 100 mil habitantes. Em contrapartida, entre os anos de 2012 e 2013 bem
como o primeiro semestre de 2019, foram os períodos amostrais em que, todos os
indicadores apresentaram nenhuma relação de Causalidade de Granger com a taxa de
roubos. Neste sentido, estes resultados mostram que durante estes períodos identificados
pelos testes recursivos, fatores relacionados à conjuntura econômica cearense não
estariam explicando/influenciando a tendência crescente da criminalidade e violência no
estado.
22
Por fim, a relação de não Causalidade de Granger entre a performance

macroeconômica e a taxa de furtos se mostraram significantes na maioria dos casos
(68%) dentre alguns meses dos anos de 2012 a 2019, evidenciando assim, que as
incidências de furtos no período considerado, poderiam ser explicados por outros
fatores que não seria de natureza econômica. Enquanto, de julho a novembro de 2013 e
março a abril de 2014, observa-se evidências da Causalidade de Granger entre os
índices econômicos e o índice de furtos.
Diante dos resultados apresentados verifica-se que a dinâmica da criminalidade

e da economia, em alguns períodos, caminham juntas, lado a lado. De acordo com
estudo realizado pelo IPECE (2019, p. 264), particularmente no período pós-crise de
2008, o Ceará apresentou taxas de crescimento econômico consideravelmente acima das
alcançadas pelo Brasil, influenciadas fortemente pela elevada participação dos
investimentos públicos em áreas estratégicas para o desenvolvimento do Estado.
Observou-se, também, nos últimos anos, importantes avanços na qualidade de vida das
pessoas, por conta da redução da pobreza e da desigualdade, aliada ao aumento de renda
das famílias e à expansão do crédito, que possibilitaram a ampliação do consumo e a
posse de bens duráveis nos domicílios do Estado.
Ademais, nos últimos anos, o crescimento da infraestrutura relacionda à

capacidade instalada (rodoviária, hídrica, portuária, aeroportuária e energética) permitiu
a atração de grandes empresas como a Companhia Siderúrgica do Pecém (CSP), bem
como o fortalecimento do setor turístico cearense, trazendo assim, oportunidades de
empregos para a população local. Além disso, segundo o estudo, todo esse avanço é
decorrente, em grande parte, do equilíbrio fiscal permanente, o que permitiu ao Ceará
aplicar grandes quantidades em despesas de investimento, seja com recursos próprios ou
com recursos advindos de operações de crédito nacionais e internacionais, elevando a
competitividade da economia cearense, e estimulando, dessa forma, os investimentos
privados nos diversos setores produtivos do Estado.
Em 2016, e em decorrência da crise macroeconômica, o Ceará apresentou uma

queda de 4,11% no PIB, sendo a décima segunda maior dentre os estados da Federação.
Na análise do crescimento acumulado, para o período 2002-2016, o Ceará registrou o
décimo sexto maior crescimento, com um valor de 50,62%, segundo o relatório do
IPECE (2019, p. 265). Ademais, o Ceará apresentou em 2016, um PIB per capita no
23
montante igual a R$ 15.438, representando, aproximadamente, apenas 51% do PIB per

capita do Brasil. Isso demonstra o grande desafio que o governo cearense possui na
superação da distribuição da riqueza gerada em relação ao país, pois mesmo sendo a
décima primeira maior economia do país (em termos de PIB em valor corrente), o
Estado é apenas o vigésimo segundo quando se considera o PIB per capita (IPECE,
2019, p. 266).
Em consonância com o bom desempenho econômico, observou-se, também,

nos últimos anos, importantes avanços nas políticas públicas direcionadas à Segurança
Pública do Estado. Por exemplo, o ex-governador Cid Gomes durante a sua gestão
(2007-2011 e 2011-2015), tendo como fio condutor a aproximação com a comunidade,
no ano de 2007, a Polícia Militar do Estado do Ceará (PMCE) passou por profundas
mudanças no seu modelo organizacional. Com a intenção de oferecer um serviço mais
humanizado e garantidor dos direitos e garantias individuais dos cidadãos, foi criado um
ousado programa de polícia comunitária, denominado de Programa Ronda do
Quarteirão. Este programa pode ser definido como uma nova estratégia de fazer polícia.
Nele, os esforços foram concentrados na filosofia de polícia comunitária, consistindo
em uma tentativa de criar uma polícia técnica mais próxima da sociedade, fazendo dos
agentes de segurança pública, agentes transformadores da pacificação social (AESP/CE,
2019, p. 28-29).
No entanto, em 2016, o atual Governador Camilo Santana, passou a

implementar (e segue-se até hoje) o Programa das Unidades Integradas de Segurança
(UNISEG), uma ousada e desafiadora forma de oferecer os serviços de segurança
pública, por meio do aperfeiçoamento do sistema de segurança pública do Ceará,
redefinindo responsabilidades circunscricionais, inovando dos serviços de segurança
pública e integrando as vinculadas da SSPDS/CE a outros órgãos dos governos Estadual
e Municipal, para o enfrentamento mais qualificado à V&C. A UNISEG surge em um
contexto de resgate dos princípios de polícia comunitária que orientaram inicialmente o
Programa Ronda do Quarteirão. Por fim, as UNISEG´s aperfeiçoaram o ideal de
Polícia Comunitária fortemente difundido pelo Ronda do Quarteirão, reacendendo mais
uma vez o ideário cearense de oferecer segurança pública em harmonia com os valores
que dignificam a pessoa humana (AESP/CE, 2019, p. 28-29).
24
4.2 Análise do teste de Causalidade de Granger dinâmico, segundo o ranking dos

seis principais indicadores econômicos
Os Gráficos 2, 3 e 4 a seguir apresentam o ranking dos seis principais índices

econômicos, para cada tipificação criminal, em que fora constatado causalidade por um
maior período de tempo, enquanto o Gráfico 5 apresenta os períodos de variação,
positiva e negativa, da atividade econômica (repersentada pelo Produto Interno Bruto-
PIB), isto é, mostra os períodos de pré-crise, recessão e recuperação lenta da economia
cearense. Assim, as figuras apresentaram a distribuição de frequência de ocorrência de
causalidade, no sentido de Granger, segundo os índices de homicídios, roubos e furtos.
Gráfico 2: Ranking dos seis principais indicadores econômicos segundo o

teste de Causalidade de Granger dinâmico para a taxa de homicídios.

teste de Causalidade de Granger dinâmico para a taxa de roubos.

25

teste de Causalidade de Granger dinâmico para a taxa de furtos.
Gráfico 5: Taxa de crescimento trimestral do PIB - Ceará (2011-2019)(1).
Fonte: IPECE. Nota: (1) Dados preliminares e sujeitos a revisão. Atualizado em 30/09/2019.
De acordo com as figuras pode-se perceber que os impactos de uma política

econômica, têm efeitos nocivos sobre a tendência crescente da V&C (homicídios,
roubos e furtos) no estado do Ceará ao longo do período amostral. Esses resultados
corroboram com as estimativas obtidas por Kume (2004), as quais permitem concluir
que o grau de crescimento econômico do período gera um efeito, positivo ou negativo,
sobre a taxa de criminalidade do período presente.
26
Assim, a influência de variáveis econômicas sobre crimes violentos, por sua

vez, quando muito, revela-se apenas indireta. Em estudos nos quais delitos contra a
propriedade variam positivamente tanto com a desigualdade de renda (seja na
representavidade de distribuição de salários) quanto com a renda média, essas variáveis
não explicam crimes contra a pessoa, como homicídio. No entanto, indiretamente, uma
crise econômica afeta o comportamento criminoso, por exemplo, devido à redução do
orçamento governamental (advindo de baixa arrecadação fiscal) destinado ao
policiamento e ao aprisionamento.
Estudo de Gould et al. (2002) também concluíram que o nível salarial é um

fator importante das taxas de crimes, o que indica que uma queda de longo prazo nessas
taxas depende de uma contínua melhora nos salários dos homens menos qualificados,
no caso. Chalfin e McCrary (2017), em revisão da literatura, apontam que estudos mais
recentes de fato têm encontrado evidências da relação robusta entre desemprego (aqui
podendo ser representados pelo número de admitidos, desligados e o saldo segundo
dados do CAGED), salário (valor do salário mínimo real medido pelo DIEESE) e taxa
de criminalidade. Nesta revisão, eles apontam estudos que encontraram que 1% de
aumento no desemprego tende a gerar de 3% a 5% de aumento em crimes contra a
propriedade (ocorrências de roubos). Por outro lado, os resultados não são consistentes
para crimes violentos (por exemplo, os casos de homicídios ou CVLI).
Via de regra, segundo os autores, o estudo conclui que a variação na taxa de

desemprego explicou entre 12% a 40% do declínio de crimes contra a propriedade na
década de 1990 nos EUA. Ademais, outros achados sugerem ainda que a criminalidade
tende a aumentar entre 9% e 18% durante períodos de grave recessão econômica
(Gráfico 5), uma vez que o crime se apresenta sensível à existência de oportunidades de
emprego para homens de baixa qualificação.
Além disso, Chalfin e McCrary (2017) encontraram uma forte correlação entre
criminalidade e massa salarial do que entre crime e desemprego. Para os autores, a
participação no crime está associada a um conjunto de custos fixos, o crime é mais
sensível às variáveis de longo prazo do mercado de trabalho, como nível de capital
humano e salários, do que desemprego, que é tipicamente temporário. Além disso, em
qualquer tempo, o número de indivíduos empregados em funções de baixos salários
supera amplamente o número de desempregados, o que faz com que o nível salarial para
27
homens de baixa qualificação, por exemplo, tenha um papel mais relevante no estímulo
ao crime do que o desemprego.
Cerqueira e Moura (2015) analisaram a relação entre nível de desemprego e

crime, considerando homens dentre uma determinada faixa etária de idade. Os
resultados do estudo mostraram que, para os homens de 15 a 65 anos de idade, 1% de
aumento da taxa de desemprego está associada ao aumento de 2,1% na taxa de
homicídio na cidade em questão. Por outro lado, em relação aos homens jovens, na
faixa etária de 15 a 29 anos de idade, um aumento de 1% na taxa de desemprego está
associado a aumento de 2,5% na taxa de homicídios local. Portanto, a queda do
desemprego entre jovens tende a reduzir a taxa de homicídios. Esses achados levaram os
autores a recomendar políticas públicas voltadas para a pré-adolescência, período
considerado crítico no ciclo de vida do indivíduo.
Kahn (2013) buscou explicar as tendências criminais recentes no Brasil, em

especial as razões da queda da criminalidade no Sudeste e crescimento no
Norte/Nordeste na última década. Ademais, o autor discutiu como os indicadores
econômicos afetam os crimes patrimoniais, sensação de segurança, disponibilidade de
armas e homicídios e como as diferenças de nível e evolução do desenvolvimento
econômico das regiões brasileiras nos últimos anos ajudam a entender a criminalidade
atual.
28
5. CONSIDERAÇÕES FINAIS
O problema da criminalidade não se trata apenas de uma questão jurídica, mas

também de uma questão social e econômica. Na literatura, nacional e internacional, há
muitas explicações para um indivíduo cometer um crime, e, existem diversas relações
que retratam a criminalidade como um problema econômico, que acompanhada da
desigualdade de renda, falta do acesso à educação de qualidade, do desemprego ou
instabilidade macroeconômica, problemas mais agravantes nos últimos tempos da
economia cearense, a mesma tende a ter aumentos significativos. Destarte, o presente
estudo buscou investigar, com base na Economia do Crime de Becker (1968), em que
medida os fatores macroeconômicos local se relacionam com os fatores de não-
violência e violência no estado do Ceará no período compreendido de 2009 a 2019.
Diante das evidências apresentadas, verifica-se que no Ceará a tendência da

criminalidade e a conjuntura econômica local, nos últimos onze anos, caminham juntas,
lado a lado, a crescente instabilidade macroeconômica cearense, por exemplo, os baixos
salários ou a falta de emprego que tendem aumentar cada vez mais a desigualdade de
renda, pobreza extrema, acesso à educação de qualidade bem como baixas taxas
expressivas de crescimento econômico estão colaborando para aumentos dos crimes
contra a pessoa (no caso homicídio doloso, latrocínio, lesão corporal seguido de morte),
crimes contra o patrimônio (no caso, os diversos tipos de roubos e furtos).
Em vista disso, uma política pública que objetiva reduzir o crime nas suas
diversas tipificações, também precisa propor estratégias/medidas para reduzir as
disparidades de renda, o nível de desemprego, aumentar a produtividade do trabalho,
reduzir o custo do trabalhador na economia (taxa de inflação, nível de salário real, taxa
real de juros accessível, entre outros) e fomentar um crescimento econômico
sustentável.
Diante do estado de restrição fiscal em que os diversos estados federados se

encontram atualmente, é fundamental, conforme salienta Odon (2018), ver as políticas
de combate ao crime sob a perspectiva da alocação eficiente de recursos. Ademais,
políticas públicas com maior potencial de impacto sobre a criminalidade e a violência
devem ser priorizadas, uma vez que otimizam o uso dos recursos orçamentários,
minimizam o custo social e potencializam os benefícios no longo prazo.
29
Enfrentar a criminalidade exige ação mais intensiva do Estado na redução da

enorme exclusão social e econômica, dos quais os principais indicadores aqui
apresentados são apenas a ponta do iceberg. Políticas focalizadas na comunidade, a
partir do planejamento multidisciplinar e de ações interinstitucionais, podem significar
um importante arsenal na luta contra a V&C. Portanto, no combate à criminalidade é
imprescindível o aumento dos investimentos públicos tanto na formulação e aplicação
de políticas de segurança quanto na área social.
30
ANÁLISE DA RELAÇÃO ENTRE CONJUNTURA MACROECONÔMICA E

VIOLÊNCIA & CRIMINALIDADE (V&C) BASEADA EM MODELOS TVP-
FAVAR: EVIDÊNCIAS PARA O ESTADO DO CEARÁ
1. INTRODUÇÃO
Não é de hoje que a Violência & Criminalidade (V&C) fazem parte do

cotidiano dos cearenses. O estado, além de possuir uma geografia de rota estratégica
para o narcotráfico internacional, registra também, como a maioria dos estados
brasileiros (em especial, os das Regiões Norte e Nordeste) altas “cifras” de homicídios,
roubos e furtos. Alémdisso, estas evidências mostram que a criminalidade não apresenta
apenas uma dinâmica temporal, mas também uma dinâmica heterogênea espacial. O que
se averígua-se com o passar dos anos é um processo de interiorização da V&C, seja
contra a vida ou contra o patrimônio, em todo o territóro do Ceará.
Vários fatores são potenciais candidatos a explicar a evolução das taxas de

homicídios, roubos e furtos no Ceará. Diversas pesquisas apontam as desigualdades
sociais como um dos principais condicionantes para o aumento da V&C. Fatores
relacionados à dinâmica populacional (estrutura demográfica e de gênero da
população); variáveis associadas ao funcionamento do Sistema de Justiça Criminal para
conter e prevenir o crime; baixar empregabilidade da dinâmica do mercado de trabalho;
falta de infraestrutura urbana, precariedade de serviços públicos; péssimas condições de
habitação e baixa renda domiciliar podem colaborar para o cenário de criminalidade
urbana no estado.
No entanto, além destes fatores supracitados, há também, a baixa eficácia,

efetividade e eficiência dos programas cearenses de controle da V&C implementados
durante os últimos onze anos. Programas esses, em muitos casos, sem nenhuma
articulação entre Estado e sociedade civil, tão pouco, não fazendo uso de uma base
sólida de informações (estatísticas criminais) e ferramentas de gestão confiáveis com
foco em estratégias preventivas e repressivas direcionadas a locais com alta
concentração de homicídios e a grupos vulneráveis.
31
Além disso, conforme já salientado, o estado encontra-se geograficamente em

um ponto estratégico no mapa do narcotráfico no país, sendo esse um fator determinante
na economia do crime. O estado tem claramente uma vantagem frente a todas as
unidades federativas, que é logística operacional: é a menor distância entre o Brasil e a
Europa. Ademais, ainda tem a questão dos “bolsões de pobreza” propícios à
criminalidade, isto é, desigualdade econômica.
Destaca-se ainda, que um outro fator que conspirou a favor do aumento dos
homicídios, entre 2016 e 2017, em alguns estados, sobretudo do Norte e do Nordeste,
foi a guerra desencadeada entre as duas maiores facções penais no Brasil (Primeiro
Comando da Capital-PCC e Comando Vermelho-CV) e seus parceiros locais que,
motivadas pelo método de expansão do PCC para conquista de novos territórios e
cobranças de taxas para o narcotráfico, e não aceita pelos grupos regionais eclodiu, em
meados de 2016, gerando número recorde de mortes no Acre, Amazonas, Pará,
Pernambuco, Rio Grande do Norte, e em especial no Ceará.
Assim, de acordo com o Atlas da Violência (2020, p. 13), com base em dados
de registros policiais, a taxa de crimes violentos letais intencionais diminuiu
substancialmente nos anos de 2018 e 2019, nas seis unidade federativas onde a guerra
do narcotráfico foi mais intensa. Todavia, o que dizer do futuro em relação a esses
conflitos? Sem prejuízo da racionalidade nas orientações dos líderes das grandes
facções criminosas, a tensão e as precárias condições nos estabelecimentos de execução
penal no país tornam esse ambiente sempre um barril de pólvora, cujo rastilho pode se
acender a qualquer momento, por razões pontuais e inesperadas. Por seu turno, a
presunção sobre a correlação de forças entre as facções pode mudar ao longo do tempo,
gerando novos incentivos para guerras, onde, podem ser observadas na volatilidade das
estatísticas cearenses de V&C.
Assim, a trégua entre facções é sempre instável e cíclica, o que pode ocasionar
novos conflitos a partir dos próximos anos. Reunindo os quatro fatores causais aqui
analisados, fica uma grande incerteza sobre a tendência da criminalidade para os
próximos anos, na medida em que, se a demografia e a experiência acumulada de boas
políticas públicas influenciam no sentido de diminuir os homicídios, roubos e furtos a
política armamentista e a instabilidade no processo de guerra e paz entre as facções
penais conspiram a favor da ocorrência de mais mortes.
32
Desta forma, nos últimos cinco anos, a segurança pública e V&C são alguns
dos temas mais debatidos entre vários setores da sociedade cearense. As soluções para
tais assuntos são algumas das medidas mais demandadas às instituições públicas no
estado, as quais alocam consideráveis somas de gastos/investimentos em tais áreas.
Além disso, atualmente, uma ampla discussão é realizada a respeito da influência do
crescimento e desenvolvimento econômico local sobre os índices de criminalidade por
um lado, e da repressão policial e segurança pública, por outro (JÚNIOR, 2014, p. 1).
Destarte, para surpresa de muitos economistas, sociólogos, bem como para os

gestores públicos de um modo geral, o desemprego e o nível da inflação, os juros e
tributos elevados não mais constituem as principais obsessões da opinião pública. Por
exemplo, as pesquisas realizadas em meados dos anos 90 nos Estados Unidos, na
Europa e América Latina, apontavam que a maioria dos entrevistados considerava o
crime e a violência como os entraves mais sérios do seu tempo, resultados poucos
diferentes, quando comparados aos das pesquisas realizadas nos dias de hoje. Isto é, três
décadas depois, essa percepção ainda é notória nas diversas camadas da sociedade
cearense.
No cenário econômico atual, tem acontecido um intenso debate na literatura

macroeconômica acerca do papel e da capacidade das políticas econômicas, fiscal e
monetária, de restaurar o crescimento econômico após um choque financeiro como o
ocorrido em 2008. Choques estes, que puderam influenciar a trajetória da tendência da
criminalidade nas diversas regiões e unidades federativas brasileiras. Ademais, sabe-se
que os efeitos dessas instabilidades macroeconômicas na sociedade persistem por
longos períodos, prejudicando assim, a sustentabilidade do crescimento e o
desenvolvimento local. Nas últimas duas décadas, o Brasil sofreu várias transformações
e planos econômicos antiinflacionários. Por exemplo, conforme Cerqueira e Lobão
(2003), com a crise no setor exportador da economia brasileira, provocada
principalmente pela valorização da moeda nacional, desemprego aumentou em todo o
país, à época.
Já em relação à conjuntura macroeconômica cearense, entre os anos de 2002 a

2018, a manufatura cearense manteve-se estagnada em termos de volume de produção,
acumulando uma expansão de apenas 0,6%, enquanto, no Nordeste, o segmentou
cresceu 17,6%. Quando se analisa por subperíodos, ficam mais evidentes as razões para
33
esta forte diferença. Entre 2002 e 2010, ambos os parque apresentaram uma evolução
similar, quase igual, com o Ceará crescendo 22,2% e o Nordeste, 22,5%. Já quando se
considera o período de 2011 a 2018, o cenário passa a ser de retração e com
intensidades distintas entre o Ceará e a Região. Nesse período, a produção cearense
encolheu 17,7%, enquanto a redução regional foi de 4,0%. Essses resultados podem ser
vistos em IPECE (2019, p. 269).
Segundo dados do Instituto de Pesquisa e Estratégia Econômica do Ceará

(IPECE), o crescimento do Produto Interno Bruto (PIB) da Atividade Agropecuária do
Ceará no quarto trimestre de 2019 foi de 7,57%, quando comparado com mesmo
período de ano anterior. Esse resultado foi o terceiro crescimento consecutivo para
durante o período analisado. Já para Atividade Industrial cearense, o quarto trimestre de
2019 se caracterizou como um período de forte crescimento, com expansão da produção
em todas as principais atividades. Em comparação com o mesmo período de 2018, o
crescimento na indústria foi de 12,14%, maior ritmo observado desde o final de 2013.
Ademais, a Atividade de Serviços representa 77,18% do valor adicionado bruto estadual,
sendo por conseguinte, a principal atividade econômica do estado do Ceará. A atividade
de serviços registrou novo crescimento no 4º trimestre de 2019 de 2,49% comparado a
igual período do ano de 2018, sendo portanto, o maior crescimento trimestral registrado
no ano (IPECE, 2019, p. 9-13)
Desta forma, enquanto, nos últimos cinco anos o estado se mostrou um típico
gigante chinês na economia, por outro lado, na segurança pública isso pouco pôde ser
notado. Segundo os dados da SSPDS/CE, no acumulado de 2017, se comparado com o
mesmo período de 2016, foi registrado um aumento vertiginoso de 50,66% nos
homicídios, passando de 3.407 para 5.133 casos, com o aumento representando 1.726
vidas não salvas entre o período supracitado. Considerado o pior resultado dos últimos
11 anos até agora. Após dois anos seguidos de queda (2018/2019), o número de mortes
violentas no estado do Ceará disparou em 2020, passou de 2.257 em 2019 para 4.039
em 2020 (78,95% de aumento).
O presente estudo tem como principal objetivo analisar os efeitos das

instabilidades macroeconômicas no Ceará sobre a tendência da criminalidade local.
Assim, dois aspectos fundamentais são investigados, quais sejam: (i) Ao longo dos
últimos 11 anos, as mudanças ocorridas na conjuntura econômica do estado, foram
34
capazes de gerar “efeitos dissuasórios” que reduzissem os crimes de homicídios, roubos

e furtos? (ii) Se os efeitos são significantes, como se dá a sua trajetória sobre a
tendência da criminalidade: contemporâneo, permanente ou transitório?
A partir de um levantamento teórico e modelos econométricos, busca-se

verificar a hipótese de que as taxas de criminalidade, medidas pelo nº de homicídios
(CVLI) e nº de registros de crimes contra o patrimônio (roubos e furtos), estão
positivamente relacionadas com o nível de instabilidade macroeconômica local para o
período compreendido de 2009 a 2019. Desta forma, para responder a estas, e outras
questões inerentes ao tema abordado, utilizaremos uma variável estimada indicadora das
condições macroconômicas (Índice de Perfomance Macroeconômica - IPM) para a
economia cearense.
O artigo está organizado da seguinte forma: além desta

contextualização/introdução, temos a seção 2 que discute brevemente a literatura
empírica, analisando a relação entre criminalidade e indicadores socioeconômicos. A
seção 3 apresenta a metodologia, os dados e a descrição do modelo proposto por Koop e
Korobilis (2014), a saber: TVP-FAVAR. Na seção 4 os resultados são apresentados e em
seguida as conclusões são realizadas na seção 5.
35
2. A IMPORTÂNCIA DAS POLÍTICAS MACROECONÔMICAS NOS

ESTUDOS DE VIOLÊNCIA & CRIMINALIDADE (V&C)
À medida em que a ciência econômica evolui, suas ferramentas extrapolam a

área da economia e passam a ser utilizadas em diversos outros campos de pesquisa,
envolvendo criminologia, sociologia, ciência política, comportamento espacial, entre
outros e, nesta vasta seara de saberes, há um estudo aqui em destaque, que busca
determinar a relação de causalidade entre variáveis criminológicas e outras variáveis de
natureza econômica, política e social, a qual é conhecida como Teoria Econômica do
Crime.
Becker (1968, p. 1-4) foi o pioneiro nessa área, ao adotar o arcabouço da

economia neoclássica como uma forma de modelar o comportamento racional que leva
um indivíduo a cometer delitos. Para o autor, cada pessoa busca maximizar a sua função
utilidade de acordo com as ações que estão disponíveis em seu conjunto de escolhas.
Sendo assim, caso determinado integrante da sociedade reflita os prós e contras da
atividade ilícita e, ao final conclua que essa atividade será lucrativa, ele
tendenciosamente a executará.
Neste Diapasão, o trabalho de Becker (1968, p. 1-4) é baseado no

comportamento do criminoso, destacando os fatores que o motivariam e os que
inibiriam a realizar crimes. Desta forma, para o autor, o mercado da atividade de crimes,
seria então um mercado de trabalho semelhante a qualquer outro, diferenciando-se
apenas na questão da legalidade, em que o criminoso agiria de maneira racional,
respondendo a incentivos. Assim, antes de agir, um criminoso avalia os ganhos e os
custos implicados em sua ação. Na literatura internacional e nacional, diversos estudos
utilizam esses conceitos propostos por Becker (1968, p. 1-4) para testar a relação entre
conjuntura econômica e criminalidade.
Para Santos, Vasconcelos e Moreira Júnior (2020, p. 4) entender o que leva as

pessoas a cometerem delitos é uma tarefa cada vez mais difícil para a sociedade
moderna. Como explicar que, entre os cidadãos de uma comunidade, um deles enverede
pela via da V&C, ao passo que o outro prefira seguir o caminho da legalidade? Para os
autores, as respostas para tais questões são diversas, mas, para muitos especialistas na
36
área, há uma série de fatores criminogênicos que, combinados em proporções e

situações específicas, poderiam explicar a causação do crime.
Por exemplos, os homicídios, categorizados como crimes contra a vida, ainda

que possam apresentar benefícios indiretos, estes são difíceis de serem quantificados,
por conseguinte, é possível e difícil afirmar a priori se estes possuem ou não motivação
econômica. Entretanto, para o contexto cearense, os homicídios por estarem, na sua
maioria, diretamente ligados à guerra do narcotráfico e disputas de territórios advindas
das facções criminosas, ainda assim, podem ser tratados como um crime com motivação
econômica. Já os crimes de roubos e furtos são definidos por crimes contra o patrimônio
e possuem motivação econômica. A diferença entre um e outro, é que: os roubos
envolvem algum tipo de grave ameaça ou violência à vítima, enquanto, os furtos não.
Portanto, os homicídios, roubos e furtos são crimes violentos e que claramente possuem
motivação econômica e são diretamente impactados pelas mudanças econômicas
ocorridas no estado do Ceará nos últimos 11 anos.
Assim, os crimes supracitados, por se tratarem de delitos com motivação

econômica, podem ser estudados considerando as contribuições da Economia do Crime
inicialmente propostas por Becker (1968), e posteriormente, por Ehrlich (1981; 1975a;
1975b; 1973). Segundo os autores, o crime com motivação econômica ocorre quando o
seu benefício é superior aos seus custos. Estes custos envolvem não somente os
tradicionais custos impostos pelo Sistema de Justiça de punição, mas também custos
operacionais e custos de oportunidade.
Neste sentido, o desincentivo a prática dessas tipificações criminais

(homicídios, roubos e furtos) passa por aspectos que envolvem não somente a punição
desses tipos de crimes, mas também alguns aspectos relacionados às condições
contemporâneas da economia cearense, por exemplo, o mercado de trabalho em que os
rendimentos médios e as oportunidades de emprego podem atuar tanto potencializando
quanto reduzindo estes tipos de delitos (BECKER, 1968; EHRLICH, 1967; 1973;
1975a; 1975b; 1981; OLIVEIRA, 2008; CHALFIN E MCCRARY, 2014; ARCARO E
OLIVEIRA, 2016; JOHNSTON E OLIVEIRA, 2016; OLIVEIRA E COSTA, 2019).
37
Para Fajnzylber e Araújo Júnior (2001, p. 4) “os aumentos nas taxas de crime,
os elevados custos a elas associados e a crescente importância dada ao assunto em
pesquisas de opinião, têm levado os governos e a sociedade civil a encarar o problema
da V&C como um dos mais sérios obstáculos ao desenvolvimento econômico e social”.
Assim, o desafio dos gestores locais é o de formular e implementar políticas que
permitam prevenir e reduzir o crime e a violência. Para tanto, é de “fundamental
importância o desenvolvimento de pesquisas que permitam avançar na compreensão das
causas desses fenômenos, assim como a geração de bases de dados que permitam
monitorar e melhorar o nosso entendimento das tendências espaciais e temporais da
criminalidade”, conforme salienta Fajnzylber e Araújo Júnior (2001, p. 4).
Gillani et al. (2009, p. 11) buscaram investigar a relação entre crime e vários
indicadores socioeconômicos, como desemprego, pobreza e inflação no Paquistão no
período de 1975 a 2007. As propriedades estacionárias dos dados em séries temporais
são examinadas usando o teste Augmented Dickey-Fuller (ADF), enquanto os testes de
Cointegração de Johansen e Causalidade de Granger são aplicados para identificar as
possiveis relações de longo prazo entre as variáveis. As conclusões dos testes fornecem
evidências da existência de uma relação de cointegração de longo prazo entre crime,
desemprego, pobreza e inflação. Os resultados dos testes Causalidade de Granger
mostram que o crime no Paquistão é causado pelo desemprego, pobreza e inflação.
A razão para uma possível relação entre desemprego e crime é que a taxa de
desemprego em um país é um indicador complementar das oportunidades de renda no
mercado de trabalho legal. Portanto, quando a taxa de desemprego aumenta as
oportunidades de obtenção de renda diminuem, o que instiga os indivíduos a cometer
crimes. Além disso, os custos de cometer crimes diminuem para os trabalhadores
desempregados. Com relação ao nível de pobreza, observa-se que os pobres têm renda e
recursos limitados para satisfazer seus desejos e vontades. Famílias de baixa renda
apresentam baixo poder econômico que resulta em baixo padrão de vida.
Além disso, baixa renda e aumento de preços (inflação) tem efeito instigante ao
crime, reduzindo o limiar moral do indivíduo. Portanto, para o autor, as pessoas na
pobreza são induzidas a cometer crimes. Por fim, a estabilidade do nível geral de preços
é um dos principais objetivos dos formuladores de políticas para trazer a estabilidade
macroeconômica ao país. Assim, o aumento dos preços resulta na diminuição da renda
38
real dos indivíduos, o que reduz o poder de compra dos indivíduos pertencentes ao
grupo de baixa renda. Essa situação os obriga a aumentar sua renda para manter seus
padrões de vida existentes por meios legítimos ou ilegítimos, incluindo atividades
criminosas (GILLANI et al., 2009, p. 15-16)
Maddah (2013, p. 3) buscou examinar os efeitos da taxa de desemprego,

pobreza e das características demográficas nas diversas categorias de crimes de roubo
entre as províncias do Irã no período compreeendido entre 1997 a 2006, usando para
isso, o Método dos Momentos Generalizado (GMM)1. Os resultados mostraram que
existe uma forte relação, positiva e significativa, entre as diversas tipificações de crimes
de roubo e desemprego nas províncias iranianas. O estudo também mostrou que, o nível
de pobreza e as características demográficas das províncias, influenciam a motivação
das pessoas para cometer crimes de roubo. De fato, para combater crimes de roubo, o
governo precisa usar políticas que causam a redução da taxa de desemprego na
sociedade. Estes resultados corroboram com os trabalhos de Fleisher (1966), Smite et al.
(1992), Carmichael e Ward (2001) diferentemente de Cantor e Land (1985) que não
confirmaram o efeito positivo do desemprego sobre o crime.
A desigualdade de renda é outro fator que pode incentivar os indivíduos a

cometer determinados tipos de crimes. A desigualdade faz com que as pessoas tentem
compensar as diferenças de renda cometendo crimes como roubo, furto, agressão e
assassinato. Chiu e Madden (1998) e Kelly (2000) evidenciaram que há uma relação,
positiva e significante, entre taxa de criminalidade e desigualdade social.
Em outro estudo, Burch (2007) investigou os efeitos da desigualdade de renda,

densidade populacional, porcentagem da população entre 18 e 24 anos e porcentagem
de negros nos municípios dos Estados Unidos sobre a tendência criminal. Ele
confirmou, por meio de uma análise em dados cross-section, uma relação positiva e
significante destes índices socioeconômicos.
Saridakis e Spengler (2012) constataram, utilizando uma abordagem de dados

em painel, que há uma relação significativa e positiva entre as taxas de desemprego e
crimes contra o patrimônio na Grécia.
1. Do inglês Generalized Method of Moments (GMM).

39
Também Choe (2008) evidenciou, por meio de estimações em dados em painel,

que existe uma relação, forte e robusta, entre desigualdade de renda e crimes de roubo
nos Estados Unidos. Além disso, o autor também comprovou um efeito positivo das
variáveis faixa etária e pobreza sobre o crimes de roubo.
Jawadi et al. (2019, p. 6) buscaram investigar nos períodos trimestrais de 1975-

2013 e 1983-2018, a relação entre as taxas de crime violentos e não-violentos e alguns
indicadores socioeconômicos, a saber: taxa de desemprego, crescimento da atividade
econômica, contingente populacional, taxa de policiais por mil habitantes e imigração.
Os autores utilizaram modelos baseados em vetores autoregressivos com parâmetros
variantes no tempo (TVP-VAR), com o objetivo de identificar os impactos de choques
no desemprego, produção, imigração e população sobre os crimes. Usando dados da
França e do Reino Unido, os autores encontraram efeitos positivos significativos dos
choques de desemprego nas taxas de criminalidade nos dois países, principalmente nos
períodos de contração econômica. Além disso, os autores constataram que as taxas de
criminalidade diminuem durante os períodos de expansão econômica, em resposta a um
choque positivo no crescimento do PIB.
Considerando aumentos no contingente populacional de imigrantes irregulares,

Jawadi et al. (2019) descobriram que tal crescimento migratório está aumentando a
incidência de crimes na França, enquanto o choque do desemprego continua a aumentar
as taxas de criminalidade no Reino Unido. Realizando análises adicionais para um único
país com frequência trimestral para o Reino Unido e com dados de painel de 24 países
com frequência anual no período de 1998 a 2016, os autores evidenciam a hipótese de
que uma maior taxa de desemprego tende a aumentar o crime não violento, sugerindo
assim, que manter a atividade econômica estável é fundamental para estabilizar a
incidência de crimes não violentos. Essas descobertas têm significado político, dados os
recentes níveis sem precedentes de preocupação e incerteza sobre a migração nos países
europeus.
Fajnzylber et al. (2002) utilizando correlações simples, regressões de MQO e

Método Generalizado Dinâmico de Momentos (GMM) para dados em painel,
mostraram que tanto a desigualdade de renda quanto a taxa de criminalidade estão
positivamente relacionadas.
40
Lee (2002) examina a relação entre as condições do mercado de trabalho e

várias séries de crimes em três países da Ásia-Pacífico, Austrália, Japão e Coréia do Sul.
O teste de cointegração de Johansen e os testes de Causalidade de Granger foram
aplicados aos dados de séries temporais para verificar a existência de um equilíbrio
longo prazo ou uma relação de causalidade entre as variáveis de desemprego e crime.
Os resultados do estudo fornecem um forte apoio a uma relação de equilíbrio de longo
prazo entre desemprego e várias séries de crimes.
Coomer (2003) realizou um estudo para examinar a influência de fatores

macroeconômicos no crime. Em sua análise, utilizando para isso uma regressão de
MQO/OLS, ele primeiro incluiu desemprego, pobreza, população carcerária, nível de
ensino médio e superior e disparidades de renda como variáveis independentes e
executou a regressão para obter os parâmetros estimados. Excluindo as variáveis
insignificantes do modelo de regressão inicial, autor realizou novas estimações onde os
resultados mostraram que o nível de desemprego, taxa de inflação e o nível de pobreza
influenciam positivamente a criminalidade.
Gumus (2004) usa uma grande quantidade de dados das cidades dos EUA para
investigar empiricamente os determinantes do crime em áreas urbanas, usando a técnica
de regressão MQO/OLS. Os resultados indicam que a desigualdade de renda, a renda
per capita e a presença da população negra são determinantes importantes do crime nas
áreas urbanas. A taxa de desemprego e as despesas policiais também têm um efeito
importante na determinação do crime.
Teles (2004) investiga os efeitos das políticas macroeconômicas no crime. Ele

ressalta que as políticas monetárias e fiscais têm impacto no crime. Seus resultados
mostram que as políticas fiscais afetam o crime através dos gastos do governo e a
política monetária afeta o crime através da inflação.
41
3. METODOLOGIA
Koop e Korobilis (2013) “desenvolveram métodos de estimação para modelos

baseados em VAR com parâmetros variando no tempo e contendo efeitos
heterocedásticos, os conhecidos modelos TVP-VAR2, que se aplicam mesmo quando o
número de séries temporal disponível é grande. Eles utilizaram dados trimestrais da
economia americana, e com até 25 variáveis endógenas, poderam observar que modelos
TVP-VAR de grande dimensão são não só viáveis, como também, úteis para prever a
inflação, atividade econômica e as taxas de juros para os EUA.
Com o intuito de analisar o poder de previsão para algumas variáveis

macroeconômicas importantes, os autores estimaram distintas especificações para
modelos TVP-VAR, inclusive considerando diferentes dimensões, e compararam esses
modelos entre si e, também, com alguns benchmarks. Koop e Korobilis (2013)
apresentaram as seguintes conclusões: o aumento do número de variáveis melhorou, em
geral, a capacidade preditiva em comparação com modelos de menor dimensão; o
mesmo ocorreu ao se assumir heteroscedasticidade; a performance de modelos TVP-
VAR foi superior a dos benchmarks, dentre eles o passeio aleatório e o modelo VAR-
OLS (de pequena dimensão); as especificações DMA (Dynamic Model Averaging-DMA)
apresentou, em geral, resultados levemente superiores aos do modelo DMS (Dynamic
Model Selection-DMS) e, por fim, os autores observaram que os modelos DMA e DMS
foram, em média, superiores, tanto para horizontes curtos, como para horizontes longos.
Dentre as aplicações para o Brasil destacam-se dois estudos. O primeiro, tendo

como objetivo prever a inflação (IPCA), a taxa de juros (SELIC) e a atividade
econômica (IBC-Br) brasileira, Caldeira et al. (2015, p. 2) replica o artigo de Koope e
Korobilis (2013) utilizando a metodologia do Model Confidence Set (MCS) que permite
a comparação da performance de um conjunto de modelos sem ser necessário escolher
um benchmark específico. Os autores consideraram um conjunto de 20 variáveis
macroeconômicas brasileiras amostradas mensalmente durante o período de janeiro de
2003 a dezembro de 2013. Para realizar as previsões conjuntas, os autores usaram
2. Do inglês Vector autoregressive models with time-varying parameters (TVP-VAR).

42
diversos modelos competidores3. Os mesmos pretendiam analisar a relevância da

utilização de um grande número de variáveis, de parâmetros variantes no tempo, bem
como de efeitos heterocedásticos para a previsão da média incondicional das três séries
macroeconômicas supracitadas acima4. Ao final, Caldeira et al. (2015, p. 2) observaram
que os modelos TVP-VAR apresentaram melhor capacidade preditiva, inclusive,
comparados a modelos FAVAR.
O segundo estudo, realizado por Ferreira e Palma (2015), encontrou bons

resultados de previsão para a taxa de inflação a partir de uma curva de Phillips estimada
por meio da abordagem DMA. Por fim, conforme salienta Ruperti (2018), até o
momento a pesquisa em macroeconometria para o Brasil tem desenvolvido abordagens
TVP-VAR (DMA/DMS) com enfoque na estimação e previsão de certas variáveis
econômicas, como a taxa de juros, a inflação, taxa de câmbio e o crescimento do
produto, havendo espaço para a realização de novos estudos com foco em outras
variáveis fundamentais para o cescimeto e desenvolvimento econômico, por exemplo, a
dinâmica da V&C.
Os modelos FAVAR foram desenvolvidos de forma a reduzir a dimensão de

modelos VAR. Em uma primeira etapa, realiza-se a extração de fatores latentes que
capturam as relações em comum entre o conjunto maior de variáveis consideradas,
enquanto, em uma segunda etapa, este número reduzido de fatores é incluído em uma
estrutura VAR. Por sua vez, o modelo TVP-VAR impõe uma estrutura estocástica à
matriz de coeficientes permitindo captar mudanças nas inter-relações entre as variáveis
ao longo do tempo, como quebras estruturais, além de choques. Contudo, como
apontado por Koop e Korobilis (2014, p. 3), a estimação de modelos TVP-VAR e,
principalmente, a realização de previsão, mesmo para os modelos de dimensão reduzida,
costumam impor grande custo computacional, devido à necessidade de se realizar
simulações junto à estimação por Filtro de Kalman (FK).
3. Modelo VAR heterocedásticos de grande dimensão e com parâmetros variando ao longo do tempo
(TVP-VAR). Em seguida, os resultados destes foram comparados aos de diversos modelos competidores,
incluindo VAR clássico, VAR bayesiano (BVAR), modelos VAR aumentados com fatores dinâmicos
(FAVAR), passeio aleatório, entre outros.
4. Vale ressaltar que tais previsões foram avaliadas com base na média dos erros de previsão ao quadrado
(MSFE), na soma da log-verossimilhança preditiva, no erro de previsão ao quadrado acumulado e com
base na metodologia model confidence set (MCS) de Hansen et al. (2011), a qual permite selecionar,
dentre um conjunto de modelos, aqueles que podem ser considerados estatisticamente superiores aos
demais (CALDEIRA et al. 2015, p. 2).
43
Como o objetivo central deste estudo é analisar/prever o comportamento das

taxas de criminalidade (homicídios, roubos e furtos), utilizando para tal, um indicador
macroeconômico, aqui denominado de Índice de Perfomance Macroeconômica (IPM)
ou Macroeconomic Performance Index (MPI), baseados em componentes principais que
sintetize todas as características das condições macroeconômicas da economia
cearense (ver Quadro 02). Entretanto, há uma infinidade de possibilidades na
construção desse tipo de indicador baseados em componentes principais, sendo a
maioria deles impraticáveis para o caso cearense, já que seus fundamentos teóricos são
baseados em quantidades enormes de séries com muitas observações no tempo, algo não
tão comum e disponível no Brasil, e tão pouco, no estado do Ceará.
Assim, a construção do IPM para previsão das taxas de homicídios (ou CVLI),
roubos e furtos é feita aplicando-se a metodologia proposta por Koop e Korobilis
(2014), que visa estimar um fator comum não observável entre um conjunto de
variáveis por métodos de espaço de estado e o filtro FK, interpretando este fator comum
como um índice das condições macroeconômicas. De acordo com os autores, tal
construção deve obedecer às três questões fundamentais: (i) a seleção do conjunto de
variáveis para a composição do indicador; (ii) a relação entre o índicador e as variáveis
macroeconômicas (nesse caso, as taxas de criminalidade) e (iii) os pesos dados para
ponderar tais variáveis.
Quanto ao item (i), selecionou-se 16 variáveis econômicas, com

periodicidade mensal, agrupadas em 5 categorias (ver Quadro 02). A periodicidade dos
dados é de janeiro de 2009 a dezembro de 2019. Todas as séries foram ajustadas
sazonalmente e testadas utilizando-se do Teste ADF. As séries não-estacionárias foram
convertidas em estacionárias, obtendo a primeira diferença, se necessário. As
informações referentes à realidade econômica cearense e as relacionadas à violência e
criminalidade, foram extraídas dos sítios eletrônicos das entidades estatais e instituições
concernentes, conforme o Quadro 02 a seguir.
Com relação á (ii), Koop e Korobilis (2014) argumentam que é necessário

expurgar os efeitos macroeconômicos do indicador para que ele reflita puramente as
condições macroeconômicas da economia. Por esta razão, o fator comum entre as
séries é estimado por meio de um VAR com coeficientes variando no tempo e
aumentado por fatores (TVP-FAVAR). Considera-se, então, uma especificação
44
bastante geral e flexível permitindo variação temporal tanto nos coeficientes quanto
nas cargas dos fatores e volatilidade estocástica. Esta configuração é especialmente
adequada ao caso cearense comparativamente aos modelos mais restritos, dadas as
transformações no ambiente macroeconômico no período considerado (2009-2019),
nas quais o estado passou, citando como exemplos a mudança do regime de controle
cambial para o sistema de metas de inflação, a mudança no ambiente político
ocorrida em 2010 e a ocorrência das crises financeiras da década de 2014.
Por fim, relativamente à (iii), recorre-se aos métodos bayesianos de

ponderação de modelos para acomodar as incertezas quanto às variáveis que
compõem o fator comum assim como quanto à manutenção do subconjunto de
variáveis escolhidas em um certo período ao longo do tempo. O algoritmo lida com
tais incertezas escolhendo as variáveis a cada período, ao invés de escolher um
conjunto fixo ao longo do tempo, e a ponderação é feita baseada na probabilidade de
que certo modelo seja escolhido no período atual dado o conjunto de informação
disponível até o período anterior.
Assim, esta metodologia é particularmente preferida neste trabalho dado

que não há informação a priori de outros trabalhos semelhantes – que busquem
analisar ou prever a taxa de alguns tipos de crimes a partir de indicadores que
sintetizem as condições financeiras - para auxiliar a escolha das variáveis. A seção a
seguir apresenta o método de estimação do modelo TVP-FAVAR.
3.2 O modelo TVP-FAVAR e suas variantes
Seja 𝑥 (para 𝑡 = 1,2, ⋯ , 𝑇) um vetor 𝑛 𝑥 1 de indicadores econômicos a serem

usados na construção do Índice de Perfomance Macroeconômica (IPM). Seja 𝑦 um
vetor 𝑠 𝑥 1 de variáveis de interesse. Neste trabalho empírico 𝑦 = (𝑐 , 𝑔 , 𝑖𝑝𝑚 )′
onde 𝑐 representa as taxas de criminalidade (homicídios, roubos, furtos), 𝑔 são os
gastos com segurança pública e 𝑖𝑝𝑚 é o índice IPM via fator DMA. O modelo TVP-
FAVAR com p defasagens assume a seguinte forma:
𝑥 =𝜆 𝑦 +𝜆 𝑓 +𝑢 (1)
𝑦 𝑦 𝑦
𝑓 = 𝜃 + 𝐵 , 𝑓 + ⋯+ 𝐵 , 𝑓 +𝜀 (2)
45
Onde p e a ordem do VAR, 𝑓 é o fator não observável aqui interpretado como

índice IPM, 𝜆 e 𝜆 são cargas fatoriais (carregamentos), 𝜃 é um vetor de intercepto,
𝐵 , ,⋯,𝐵 , são os coeficientes do modelo VAR, 𝑢 e 𝜀 são gaussian disturbances
com média zero e matrizes de covariância variando no tempo dadas por 𝑉 e 𝑄 ,
respectivamente. Neste estudo, adotamos o pressuposto de identificação comum de que
𝑉 é diagonal, garantindo assim que 𝑢 é um vetor de choques idiossincráticos e 𝑓
contém informações comuns aos indicadores econômicos, isto é, 𝐸 𝑢 , , 𝑓 = 0 e
𝐸 𝑢 , ,𝑢 , = 0 ∀𝑖, 𝑗 = 1, … , 𝑛 e 𝑡, 𝑠 = 1, … , 𝑇 com 𝑖 ≠ 𝑗 e 𝑡 ≠ 𝑠.
Observe que os modelos (1) e (2) consistem em duas subequações: uma

equação que nos permite extrair o índice IPM latente dos indicadores econômicos 𝑥 ; e
uma outra equação que nos permite modelar as interações dinâmicas desse índice com
as variáveis de interesse em 𝑦 . Para concluir o modelo, precisamos definir como os
coeficientes variando no tempo se comportam. Para isso, assumimos que os vetores das
cargas fatoriais (𝜆 e 𝜆 ) e os coeficientes do modelo VAR sejam dados por:
` ` ´
𝜆 = 𝜆 , 𝜆 (3)
` ` ´
𝛽 = 𝜃 ` , 𝑣𝑒𝑐 𝐵 , , ⋯ , 𝑣𝑒𝑐 𝐵 , (4)
Por fim, assume-se que estes vetores comportem como passeios aleatórios da
forma:
𝜆 =𝜆 +𝑣 (5)
𝛽 =𝛽 +𝜂 (6)
Onde 𝑣 ∼ N (0, 𝑊 ) e 𝜂 ∼ N (0, 𝑅 ), lembrando que todos os termos de erros

apresentados nas equações (5) e (6) são não-correlacionados ao longo do tempo e entre
si.
Os modelos descritos nas equações (1), (2), (5) e (6), são denominados de
modelos TVP-FAVAR. Os autores também consideraram várias restrições a esses tipos
de modelos que resultam em outros modelos multivariados bastante conhecidos, a
saber:
46
(i) VAR aumentado por fatores (FAVAR): este modelo é obtido a partir
da especificação TVP-FAVAR sob a restrição de que tanto 𝛽 quanto
𝜆 são invariantes no tempo (𝑊 = 𝑅 = 0);
(ii) VAR com coeficientes variando no tempo (TVP-VAR): este modelo

pode ser obtido a partir do modelo TVP-FAVAR sob a restrição de
que o número de fatores é zero (𝑓 = 0); e
(iii) VAR tradicional: este modelo é obtido quando o número de fatores é

zero (𝑓 = 0) e tanto 𝛽 e 𝜆 são constantes ao longo do tempo.
Apesar de alguns autores também trabalharem com modelos homocedásticos

(ou seja, 𝑉 e 𝑄 são constantes ao longo do tempo), admitiu-se que todas as
especificações supracitadas (i, ii e iii), têm matrizes de variância-covariância
heterocedásticas dadas por 𝑉 e 𝑄 . Koop e Korobilis (2014) identificaram que os
modelos homocedásticos são sempre superados no quesito previsão por modelos
heterocedásticos. Assim, todos os resultados apresentados neste estadudo utilizaram
modelos heterocedásticos.
A estimação do modelo (1) não é uma tarefa trivial, dado que tanto os fatores
quanto suas cargas não são observáveis. Assim, neste trabalho, para lidar com tal
dificuldade utilizou-se um algoritmo iterativo de dois estágios baseado no dual linear
Kalman filter, que atualiza os parâmetros 𝜑 = (𝜆 , 𝛽 ) dada uma estimativa de 𝑓
inicial (dado pelo componente principal de 𝑥 : ), e em seguida, atualiza o fator 𝑓
condicionando na estimativa de 𝜑 .
As condicões iniciais para a construção do índice IPM, os coeficientes

variando no tempo 𝜑 e as matrizes de variância-covariâncias variando no tempo,
𝑉 , 𝑄 ,𝜋 | , , ∀𝑗 = 1, ⋯ , 𝐽 , seguem uma configuração como se segue:
 𝑓 ~𝑁(0,4)
 𝜆 ~𝑁 0, 4 × 𝑉 ( )
 𝛽 ~𝑁(0, 𝑉 )
 𝑉 ≡ 1×𝐼
 𝑄 ≡ 1×𝐼
 𝜋 | , ≡
47
Em que 𝑉 é uma matriz diagonal com uma priori semelhante à Minnesota

prior, penalizando as defasagens mais distantes:
4, 𝑝𝑎𝑟𝑎 𝑜𝑠 𝑖𝑛𝑡𝑒𝑟𝑐𝑒𝑝𝑡𝑜𝑠
𝑉 = (7)
, 𝑝𝑎𝑟𝑎 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑛𝑎 𝑑𝑒𝑓𝑎𝑠𝑎𝑔𝑒𝑚 𝑟 (∀𝑟 = 1, ⋯ , 𝑝)
O algoritmo básico baseado no dual linear Kalman filter de acordo com Koop
e Korobilis (2014) se resumo assim: o primeiro passo, (i) é iniciar as condições iniciais
do algoritmo para estimação do TVP-FAVAR, a partir dos parâmetros: 𝜆 , 𝛽 , 𝑓 , 𝑉 , 𝑄 ;
em seguida, obtém-se uma estimativa do(s) componente(s) principal(is), 𝑓 . O segundo
passo, (iii) é estimar os coeficientes variando no tempo (𝜑 ), dado 𝑓 : estima-se as
matrizes 𝑉 , 𝑄 , 𝑅 , 𝑊 , e 𝑊 usando Variance Discounting; e por fim, estima-se 𝜆 e
𝛽 , dado 𝑉 , 𝑄 , 𝑅 , 𝑊 , usando o filtro e o suavizador de Kalman (Kalman filter and
smoother-KFS). A terceira etapa consiste em estimar 𝜆 dado 𝜑 usando o filtro e o
suavizador de Kalman (Kalman filter and smoother-KFS). A seção a seguir apresenta o
procedimento de estimação do método bayesiano da combinação dinâmica de modelos
(DMA).
3.3 Combinação Dinâmica de Modelos (Dynamic Model Average - DMA)
Na aplicação empírica deste trabalho, 𝑥 contém 16 séries econômicas,

havendo, portanto, 𝑗 = 2 = 65.535 possíveis modelos TVP-FAVAR´s baseados em
todas as possíveis combinações entre as variáveis em 𝑥 que podem ser utilizadas na
construção do índice. Na prática, um modelo específico 𝑀 (𝑗 = 1, … , 𝐽) diferencia-se
relativamente aos outros, dada a restrição de que certa variável econômica tenha carga
zero no fator no período 𝑡 ou que a coluna referente àquela variável assuma valor zero.
O modelo 𝑀 pode ser escrito da seguinte forma:
( ) ( ) ( ) ( ) ( )
𝑥 =𝜆 𝑦 +𝜆 𝑓 +𝑢 (8)
𝑦 𝑦 𝑦
( ) ( ) ( ) ( )
( ) =𝑐 + 𝐵, ( ) + ⋯+ 𝐵, ( ) +𝜀 (9)
𝑓 𝑓 𝑓
( ) ( )
Onde 𝑥 é um subconjunto de 𝑥 , e 𝑓 é o índice IPM sugerido pelo modelo
𝑀 . Como 𝑥 tem tamanho n, há um máximo de 2 − 1 = 65.535 combinações de
variáveis econômicas que podem ser usadas para extrair esse índice.
48
Como há incerteza quanto à qual destes modelos deve ser o escolhido, utiliza-
se o método de combinação dinâmica de modelos (isto é, o DMA) em que os pesos
atribuídos a cada modelo variam ao longo do tempo. Segundo Raftery et al. (2010), o
modelo DMA aproveita a informação gerada por diferentes modelos, reduzindo a perda
de dados relevantes, e, simultaneamente, também permite que a ponderação/peso de
cada modelo varie, levando em conta que um mesmo modelo pode apresentar diferentes
performances em períodos distintos.
Conforme Koop e Korobilis (2014), tal ponderação é factível calculando-se a

probabilidade de que o Modelo j seja escolhido no período 𝑡 dada a informação
disponível até 𝑡 − 1, denotada por 𝜋 | , . Uma vez que 𝜋 | , tenha sido calculada
no tempo, o tamanho do modelo selecionado pode variar ao longo do tempo. Assim,
dada uma condição inicial, 𝜋 | , , ∀𝑗 = 1, ⋯ , 𝐽, Raftery et al. (2010) calculam a
probabilidade de que o Modelo j seja escolhido no período t pela equação de predição
do modelo a seguir:
𝜋 | ,
𝜋| , = (9)
∑ 𝜋 | ,
Em que 𝛼, com 0 < 𝛼 ≤ 1, é um forgetting factor5 usado para estimar a matriz

de covariância dos erros. A equação de atualização do modelo é dada por:
𝜋 | , ( | : )
𝜋|, = (10)
∑ 𝜋 | , ( | : )
Em que 𝑓 (𝐷𝑎𝑑𝑜 |𝐷𝑎𝑑𝑜 : ) é uma medida de ajuste do Modelo j á

verossimilhança associada à predição das variáveis macroeconômicas,
𝑝 (𝑦 |𝐷𝑎𝑑𝑜 : )6. Nesta aplicação empírica, estabeleceu-se o forgetting factor
𝛼 = 0,99 (geralmente utiliza-se 0,99 ou 0,95), o que resulta num peso dado à previsão
de cinco anos antes recebendo 80%, relativamente ao peso dado à ultima previsão,
enquanto um α = 1 resultaria numa ponderação bayesiana de modelos tradicionais.
5
Raftery et al. (2010) consideram 𝛼 = 0,99. Koop e Korobilis (2014) consideram 𝛼 ∈ (0,95; 0,99).
Raftery et al. (2010) mostram que o BMA padrão é um caso especial do DMA com 𝛼 = 𝜆 = 1.
6
Ao longo deste artigo, as informações anteriores até o momento 𝑡 serão denotados por índices 1: 𝑡. Por
exemplo, os subscritos: 𝐷𝑎𝑑𝑜 : = (𝐷𝑎𝑑𝑜 , 𝐷𝑎𝑑𝑜 , ⋯ , 𝐷𝑎𝑑𝑜 ).
49
Por fim, a aplicação do DMA permite que o modelo de previsão mude ao longo
do tempo, além de que são considerados modelos parcimoniosos, evitando problemas de
superposição. Assim, conforme definido por Koop e Korobilis (2014), podemos calcular
o número esperado de variáveis/parâmetros (series macroeconômicas) do subconjunto
de indicadores utilizados no cômputo do índice IPM do Modelo j, da seguinte forma:
𝐸(𝑛 )= ∑ 𝜋 | , ×𝑛 −1 (11)
Onde, 𝑛 é o número de series macroeconômicas (não incluindo o intercepto e

os componentes autoregressivos) do Modelo j no tempo 𝑡. Destarte, 𝐸(𝑛 ) pode ser
interpretado como o número esperado ou médio de parâmetros no modelo DMA no
tempo 𝑡.7 Em suma, o método DMA fará a escolha do melhor modelo de previsão para a
Violência & Criminalidade (V&C) a cada período, considerando todas as possíveis
combinações das variáveis macroeconômicas a seguir.
As 16 séries econômicas utilizadas na construção do Índice de Perfomance

Macroeconômica (IPM) e nas estimações dos parâmetros do modelo TVP-FAVAR
(índice de homicídios, roubos e furtos, despesas com segurança públicas e o fator DMA)
estão descritas no Quadro 02 a seguir. Observe que essas variáveis foram agrupadas em
cinco dimensões:
 Mercado de Trabalho,
 Nível de Preço;
 Atividade Econômica;
 Finanças Públicas; e
 Violência & Criminalidade (V&C).
O objetivo desse agrupamento de indicadores é analisar os efeitos de choques

nos diversos setores econômicos sobre a dinâmica da criminalidade no Ceará para o
período compreendido de 2010 a 2019.
7. Note que em (11) subtraímos 1 (um), pois a variável Índice de Atividade Econômica Regional do
BACEN (IBCR) foi incluída em todos os modelos. Isto é, a variável AE7 é fixa, está presente em todos os
modelos estimados para fins de estabilidade conforme Koop e Korobilis (2014, p. 6).
50
Quadro 02 – Dimensões, subgrupos e séries econômicas e de criminalidade.

Dimensão Subgrupo Variáveis Fonte
MT1 Admitidos
MT2 Desligados
Mercado de Trabalho CAGED
MT3 Saldo de emprego
(MT)
MT4 Salário mensal médio
MT5 Salário mínimo real DIEESE
PR1 Taxa de inflação - IPCA IBGE
PR2 Custo real médio do metro quadrado
Nível de Preço (PR) Tempo de trabalho (Horas) - Total da
PR3 DIEESE
Cesta (1)
PR4 Custo total da cesta básica (R$)
AE1 Índice da Produção Industrial - PIM IBGE
Vendas reais - varejo - índice dessaz.
AE2 BACEN
(média 2014 = 100) - Geral
Vendas reais - varejo - índice dessaz.
(média 2014 = 100) -
AE3 Hipermercados, supermercados, IBGE
produtos alimentícios, bebidas e
fumo
Atividade Econômica Imposto sobre Circulação de
(AE) AE4 Mercadorias e Serviços (ICMS) -
Setor Primário (ICMSP)
Imposto sobre Circulação de
AE5 Mercadorias e Serviços (ICMS) - SEFAZ/CE
Setor Secundário (ICMSS)
Imposto sobre Circulação de
AE6 Mercadorias e Serviços (ICMS) -
Setor Terciário (ICMST)
Índice de Atividade Econômica
AE7 BACEN
Regional (IBCR)
Finanças Públicas Gastos reais com segurança pública - Portal da Transparência do
FP1
(FP) SSPDSCE (2) estado do Ceará
Taxa 100 mil hab. de homicídios
CRMV
Violência e (CVLI)
Criminalidade (V&C) CRMR Taxa 100 mil hab. de Roubos SSPDS/CE
(3)
CRMF Taxa 100 mil hab. de Furtos

Fonte: Elaboração própria. Nota: (1) Indica quantidade de horas que o trabalhador que ganha salário mínimo
precisa trabalhar para comprar a Cesta Básica de Alimentos; (2) Nesta categoria estão os gastos com:
Administração Geral, Formação de RH, Tecnologia da informação e Policiamento; (3) Para mais detalhes
dos conceitos e definições da tipificação criminal de CVLI, roubos e furtos, ver Seção Metodológica no
Capitulo I.
51
4.1 Índice IPM estimado pelo método da combinação dinâmica de modelos (DMA)
A partir do modelo TVP-FAVAR supracitado, foi calculado o Índice de

Perfomance Macroeconômica (IPM) e em seguida, foi contrastado com as taxas de
crimes de CVLI, roubos e furtos para o estado do Ceará. Os Gráficos 06, 07 e 08
mostram os resultados estimados de que o índice IPM é intimamente correlacionado
com estes índices criminais e que ambos se movem sincronizadamente.
O Gráfico 06 demostra que entre o primeiro semestre de 2013 até o segundo

semestre de 2015 o índice IPM ponderado pelo método DMA se sobrepõe a curva
CVLI, atingindo seu pico entre 0,60 a 0,30 score (performance), enquanto a curva
CVLI se mantém entre 300 e pouco mais de 400 por 100 mil habitantes; isto significa
que os índices atribuídos ao fator econômico foram superiores em magnitude aos
índices de crimes violentos.
Cabe enfatizar que no período de 2013 a 2014 o Brasil viveu um início de um

processo de desaceleração econômica por conta de uma crise econômica, sendo uma das
maiores da história do país, acompanhada de uma forte recessão em 2015 e 2016 o que
explica em parte uma inversão em relação aos índices de IPM e CVLI a partir do 2º
semestre de 2015.
Gráfico 06: Relação do índice IPM com a taxa de homicídios – Ceará.

6,00 0,60
0,50
5,00
0,40
Taxa de vítimas
DMA Factor
4,00 0,30
0,20
3,00
0,10
2,00 0,00
-0,10
1,00
-0,20
0,00 -0,30
abr-11
out-11
abr-12
out-12
abr-13
out-13
abr-14
out-14
abr-15
out-15
abr-16
out-16
abr-17
out-17
abr-18
out-18
abr-19
out-19
jan-11
jan-12
jan-13
jan-14
jan-15
jan-16
jan-17
jan-18
jan-19
jul-11
jul-12
jul-13
jul-14
jul-15
jul-16
jul-17
jul-18
jul-19
Taxa de homicídios DMA Factor

52
Há de se considerar que entre o 2º semestre de 2015 e 2º semestre de 2016 os

homicídios se mantiveram estáveis, em média 301 casos mensais de homicídios durante
o período supracitado. No entanto, a partir do 1º semestre de 2017 até o 1º semestre de
2018, os homicídios aumentaram substancialmente, (em média, 2,00% ao mês em
relação ao período imediatamente anterior do intervalo amostral em análise),
possivelmente: (i) em detrimento da performance da economia local (índices IPM), ou
em parte; ou em parte, (ii) se deve segundo o Atlas da Violência 2020, ao fato de que
possivelmente no Nordeste, foi desencadeada uma guerra entre as duas maiores facções
penais do Brasil e seus parceiros locais, guerra esta que findou com um possível
armistício velado entre as facções rivais a partir do 2º semestre de 2018, ponto em que
os índices de homicídios voltaram a patamares pouco maior do que os índices de 2016.
Considerando a relação que se apresenta entre os índices IPM e as taxas de

homicídios e os possíveis fatores causais que possui potencial para influenciá-los pode-
se destacar a disputa por mercados criminais entre as facções criminosas;
principalmente após a crise econômica de 2013 e 2014, acompanhada da recessão de
2015 e 2016.
Gráfico 07: Relação do índice IPM com a taxa de roubos – Ceará.

90,00 0,80
80,00 0,60
70,00
Taxa de ocorrências
0,40
60,00
DMA Factor
50,00 0,20
40,00 0,00
30,00
-0,20
20,00
10,00 -0,40
0,00 -0,60
mai-11
mai-12
mai-13
mai-14
mai-15
mai-16
mai-17
mai-18
mai-19
jan-11
jan-12
jan-13
jan-14
jan-15
jan-16
jan-17
jan-18
jan-19
set-11
set-12
set-13
set-14
set-15
set-16
set-17
set-18
set-19
Taxa de roubos DMA Factor

53
O que fica evidente fazendo uma leitura da trajetória econômica (IPM)

ponderado pelo método DMA e de crimes de roubos (Gráfico 07) é que nos interstícios
em que ocorre substancialmente impulso resposta dos indicadores econômicos as taxas
de registros de roubos são reduzidas. Um outro elemento a se considerar e que
aparentemente se torna evidente é que, após uma redução dos aspectos positivos dos
indicadores econômicos há um aumento considerável nos indicadores de crimes de
roubos, está sequência se apresenta sistemática até início de 2018 que coincide com o
“salve” negociado entre as duas principais facções criminosas no Brasil.
Gráfico 08: Relação do índice IPM com a taxa de furtos – Ceará.

70,00 0,40
60,00 0,30
Taxa de ocorrências
50,00 0,20
DMA Factor
40,00 0,10
30,00 0,00
20,00 -0,10
10,00 -0,20
0,00 -0,30
jan-11
abr-11
jan-12
jan-15
jan-17
jul-11
out-11
abr-12
jul-12
out-12
jan-13
abr-13
jul-13
out-13
jan-14
abr-14
jul-14
out-14
abr-15
jul-15
out-15
jan-16
abr-16
jul-16
out-16
abr-17
jul-17
out-17
jan-18
abr-18
jul-18
out-18
jan-19
abr-19
jul-19
out-19
Taxa de furtos DMA Factor
Analisando o Gráfico 08, observa-se que ocorre uma sobreposição do índice

IPM ponderada pelos indicadores econômicos em relação aos índices de crimes de
furtos no interstício 2013 e 2014, período da crise econômica que se abateu sobre o país.
Há de se observar que aparentemente não parece haver elementos macroeconômicos
que tenha uma relação direta com o número de furtos no estado, pois a trajetória de
crimes de furtos se mantem praticamente inalterada ao longo do tempo,
independentemente da intensidade econômica.
Todavia, um olhar mais atento ao longo do tempo, é possível identificar que na

ocorrência de saltos do índice IPM ponderado pela DMA a trajetória de furtos tem
comportamento semelhante, evidenciando uma sincronização dos indicadores. Portanto,
ainda se apresenta de certa forma obscuro, o fenômeno que possa ter influenciado a
redução na trajetória de crimes de furtos no período da crise econômica de 2013 a 2014,
54
há de se considerar que neste período ocorre transição que se manifesta numa

ascendência considerável nas probabilidades dos indicadores econômicos que ponderam
o índice IPM pelo método DMA.
Destarte, o que se pode evidenciar é um possivel “efeito motivação” tanto para

roubos quanto para furtos, ou seja, uma piora na perfomance da economia cearense,
como por exemplo, uma redução nos empregos no setor legal, reduzem os custos de
oportunidade de potenciais criminosos, aumentando as chances de se optar por uma
atividade ilegal. Assim, políticas públicas que fomentem o aumento da renda e do
emprego serão capazes de reduzir ambos os crimes patrimoniais.
4.2 Probabilidades variando no tempo
4.2.1 Crimes de homicídios em relação aos indicadores de Mercado de Trabalho
As variáveis Admissões (MT1), Desemprego (MT2) e Salário mínimo real

(MT5); quando associadas à taxa de homicídios na composição do índice IPM
apresentam-se com probabilidades entre 20% e 60% a partir de 2015, se estendendo até
2018. A variável Desemprego (MT2) relacionado a esses tipos de crimes é
probabilisticamente representativo entre 2011 e 2014 em detrimento das demais
variáveis.

indicadores de mercado de trabalho a crimes de homicídios.

55
4.2.2 Crimes de homicídios em relação aos indicadores de Nível de Preços
O Gráfico 10, apresenta as probabilidades associadas às variáveis: Taxa de

inflação (PR1) e Custo médio do metro quadrado (PR4) se mostraram expressivamente
aderentes à trajetória de homicídios no início de 2014 e conjuntamente com a variável
Custo do Tempo de Trabalho (PR2) a partir do 1º semestre de 2015 oscilando entre 20%
a 60% de probabilidades associadas.

indicadores de nível de preços a crimes de homicídios.
4.2.3 Crimes de homicídios em relação aos indicadores de Atividade Econômica
Observando o Gráfico 11, nota-se que a aderência probabilística do indicador

ICMST associada a crimes de homicídios apresenta-se com probabilidade ascendente
evoluída ao longo do tempo com percentagens entre 80% e 100% a partir de início de
2012, já os indicadores de atividade econômica de caráter comercial/varejo - como o
setor de produtos alimentícios, bebidas e fumo e vendas reais, ICMSP e Produto
industrial mensal, mostraram-se pouco aderentes com variações até pouco mais de 40%.
56

indicadores de nível de preços a crimes de homicídios.
4.2.4 Crimes de roubos em relação aos indicadores de Mercado de Trabalho
De acordo com o Gráfico 12, o salário mensal médio (CAGED) apresenta uma
probabilidade de 100% a partir do 2º semestre de 2012 e o salário mínimo real
(DIEESE) com mesma magnitude probabilística a partir do 1º semestre de 2015. O
salário mínimo real (DIEESE) com tamanha magnitude só pode ser explicado a partir de
dois pontos de vistas: (i) primeiro a perspectiva de retomada econômica para superar os
anos de crises econômica de 2013 e 2014; e (ii) segundo a magnitude do salário mensal
médio (CAGED) no interstício 2012 a 2014 os ganhos obtidos na economia que
apresentaram taxas razoavelmente baixa de desemprego.

indicadores de mercado de trabalho a crimes de roubos.

57
4.2.5 Crimes de roubos em relação aos indicadores de Nível de Preços
Analisando o Gráfico 13, no interstício 2012 a 2014 o custo médio do metro

quadrado apresentou probabilidades associadas ao índice IPM em torno de 100%,
reduzindo-se drasticamente a valores próximos a zero a partir de 2015, possivelmente
essa redução se dar pelos efeitos do baixo crescimento em 2012, acompanhado da crise
econômica de 2013 a 2104 e a não recuperação do mercado da construção civil.
O Custo do Tempo de Trabalho apresenta-se com probabilidades associadas ao

índice IPM em torno de 100% a partir de 2012, evidentemente este indicador se
assemelha bastante a probabilidade associadas ao salário mensal médio (CAGED) que
são dados estatísticos dos órgãos oficiais do governo e que refletem a tentativa do
governo de manter o mercado de trabalho com políticas de reajuste do salário mínimo.

indicadores de nível de preços a crimes de roubos.
4.2.6 Crimes de roubos em relação aos indicadores de Atividade Econômica
O Gráfico 14 abaixo representa de certa forma a inércia econômica, a

gravidade do quadro econômico e fiscal e a não retomada da produção pelo setor
produtivo do país desde a crise de 2013 a 2014.
58

indicadores de atividades econômicas a crimes de roubos.
4.2.7 Crimes de furtos em relação aos indicadores de Mercado de Trabalho
Relacionando os indicadores de mercado de trabalho é perceptível uma

evolução ascendente nas probabilidades associadas ao índice IPM a partir de 2012,
destacando-se o saldo (CAGED), que atinge em 2018, probabilidade associada em torno
de 80%. Já as probabilidades associadas ao salário mensal médio (CAGED), o indicador
de Admissões e o indicador de Desemprego, evoluem na mesma trajetória não
ultrapassando ao longo do tempo os 40%. A probabilidade associada ao salário mínimo
real (DIEESE) teve uma evolução modesta ao longo do tempo não ultrapassando 20%
(Gráfico 15).

indicadores de mercado de trabalho a crimes de furtos.

59
4.2.8 Crimes de furtos em relação aos indicadores de Nível de Preços
Conforme pode ser vistos no Gráfico 16, as probabilidades associadas aos

indicadores de preços relativos ao custo médio do metro quadrado e as taxas de inflação
evoluem de forma semelhante ao longo do tempo com ascendência significativa a partir
do 2º semestre de 2012, coincidentemente no início da crise econômica de 2013/2014,
não superando em todo o período pesquisado os 50%. A trajetória das probabilidades no
tocante aos indicadores gasto mensal e tempo de trabalho, também se apresentam em
semelhança, ainda que moderadamente e inversamente a partir de 2014, não
ultrapassando ao longo do período, os 30%.

indicadores de níveis de preços a crimes de furtos.
4.2.9 Crimes de furtos em relação aos indicadores de Atividade Econômica
As probabilidades associadas e variando no tempo em relação ao índice de

furtos se apresentaram bem intensas em destaque as vendas reais que ao longo do tempo
se apresentam entre 40% a 70%. Conjuntamente as ponderações referentes às variáveis
ICMST e Comércios de alimentos e bebidas se acentuam a partir do início de 2015 entre
30% e 60%, evidenciado possivelmente uma expectativa de retomada da economia de
comércio depois da crise de 2013 a 2014. O mesmo não se pode dizer da Produção
Industrial, o ICMSP e ICMST que não passaram dos 20% em todo o período
pesquisado.
60

indicadores atividade econômica a crimes de furtos.
4.3 Tamanho esperado do modelo para os crimes de homicídios, roubos e furtos
O Gráfico 18 mostra a quantidade de preditores do modelo ao longo do tempo

para as taxas de homicídios, roubos e furtos. Assim, o número de preditores8
econômicos que ponderam o índice IPM em relação aos crimes de CVLI evoluem ao
longo do tempo atingindo o tamanho 5 (cinco) a partir de 2015.
Gráfico 18: Demonstrativo da quantidade de preditores do modelo ao longo do tempo

para as taxas de homicídios, roubos e furtos.
E(size) - Homicídios E(size) - Roubo E(size) - Furto
8
2
0
mai-10
mai-11
mai-12
mai-13
mai-14
mai-15
mai-16
mai-17
mai-18
jan-10
jan-11
jan-12
jan-13
jan-14
jan-15
jan-16
jan-17
jan-18
set-10
set-11
set-12
set-13
set-14
set-15
set-16
set-17
set-18
Já o tamanho de preditores econômicos que ponderam índice IPM em relação a

crimes de roubo se apresentam uniforme ao longo do tempo, iniciando com 2 preditores
em 2010, chegando a 3 a partir de 2012. Por fim, em relação ao tamanho de preditores
para os furtos, estes se mostram, em média, num total de 3 a 6 no interstício de 2014 a
2018.
8. Entende-se por preditores grupos de variáveis explicativas que, possivelmente, ajudem a prever os
valores futuros da V&C para algum horizonte de tempo.
61
4.4 Análise das funções impulso-resposta (FRI)9 ao índice IPM
4.4.1 FRI para os crimes de homicídios
Figura 1A. FRI - Choque positivo – Taxa de homicídios.

Figura 1B. FRI - Choque negativo - Taxa de homicídios.

A análise da função impulso resposta mostra que é significativa a ação do

índice IPM ponderado pelos indicadores preditos pelo método DMA em relação aos
crimes de roubos no interstício 2014 a 2015 manifestando-se entre 18 a 24 meses, este
fato fica evidente na intensidade do impulso no interstício 2016 a 2017.
9. Do inglês Impulse Response Function (IRF ou FRI).

62
4.4.2 FRI para os crimes de roubos
Figura 2A. FRI - Choque positivo - Taxa de roubos.

Figura 2B. FRI - Choque negativo - Taxa de roubos.

É significativo o efeito do índice IPM ponderado pelos indicadores preditos

pelo método DMA quando da análise da função impulso resposta em relação aos crimes
de roubos, estes se apresentam interpolados e anteriores a saltos nos indicadores de
crimes de roubo, pode-se evidenciar tal fenômeno ao longo do interstício 2012 a 2018,
coincidentemente não ocorrendo tal fenômeno com intensidade significativa a partir do
início de 2018. Há de se considerar que a intensidade do impulso resposta ocorre entre 9
a 15 meses, corroborando com a argumentação aqui considerada.
63
4.4.3 FRI para os crimes de furtos
Figura 3A. FRI - Choque positivo - Taxa de furtos.

Figura 3B. FRI - Choque negativo - Taxa de furtos.

O efeito do índice IPM ponderado pelos indicadores preditos pelo método

DMA em relação aos crimes de furtos apresenta-se significativa em relação à FRI
somente após o 1º semestre de 2014. A intensidade do impulso resposta se apresenta
entre 6 a 9 meses.
64
Com o objetivo de estudar os fatores macroeconômicos que influenciam os

crimes violentos contra a vida e contra o patrimônio no estado do Ceará, com atenção
voltada principalmente para os efeitos das condições macroeconômicas, tal como renda,
desemprego, nível de preços, atividade econômica e desigualdade em sua distribuição, o
presente artigo utiliza-se de recursos econométricos para estimar alguns dos
determinantes que melhor preveem a Violência & Criminalidade (V&C) no estado para
o período compreendido entre os anos de 2009 a 2019.
No processo de construção do Índice de Perfomance Macroeconômica (IPM)

ponderado pelo método DMA e contrastado com a trajetória de crimes violentos e
patrimoniais – por exemplo, CVLI, roubos e furtos - os eventos econômicos que
apresentaram probabilidades mais aderentes ao modelo sob a ótica do mercado de
trabalho foram o número de admissões, desemprego e salário mínimo real,
principalmente após a crise econômica brasileira de 2013 e 2014 com reflexos nos dois
anos recessivos posteriores 2015 e 2016.
As probabilidades associadas aos indicadores de nível de preços que

apresentaram uma aderência significativa ao modelo quando contrastados com a
trajetória de crimes de CVLI foram as variáveis, quais sejam: nível de inflação, custo
médio do metro quadrado e custo do tempo de trabalho, bastante expressivas
principalmente após a crise econômica de 2013 e 2014.
Em relação aos indicadores de atividade econômica na construção do índice

IPM quando ponderado pela DMA, e contrastado pela trajetória de crimes de
homicídios, a variável ICMST a partir de 2012 apresentou uma evolução
expressivamente intensa em termos de aderência probabilística.
Com relação aos choques/impactos na conjuntura macroeconômica local, a

função impulso resposta para a trajetória de crimes de CVLI apresenta significância à
ação do índice IPM ponderado pelos preditores selecionados pelo método DMA,
manifestando-se intensamente no interstício 2014 e 2016 e seus efeitos persistem entre
18 a 24 meses.
65
Já as principais evidências encontradas para os crimes de roubos corroboram

com a literatura correlata ao tema. A trajetória do índice IPM ponderando pelo método
DMA se sobrepõe a curva de delitos de roubos no interstício 2013 a 2015 período da
crise econômica que atingiu o Brasil e propagou seus efeitos para os anos posteriores.
Evidencia-se assim, que o índice IPM possivelmente absorveu os efeitos dos fatores
estimuladores e propagadores dos eventos que se seguiram, não somente no âmbito
social, econômico e político, como também na área de segurança pública.
O índice IPM relacionado aos indicadores de mercado de trabalho e

contrastado com a trajetória de crimes de roubos apresenta aderência probabilística
significativas com as variáveis: salário mínimo médio (CAGED), salário mínimo real
(DIEESE); do ponto de vista da análise criminal tal fenômeno evidencia uma motivação
ao crime de roubo, pois os infratores veem a possibilidade de ganhos reais na
abordagem criminosa de indivíduos e empresas que apresentam disponibilidades de
bens e valores remuneratórios de tamanho relevantes.
O efeito do índice IPM ponderado pelos indicadores preditos pelo método

DMA se mostraram significativos quando da análise da função impulso resposta em
relação às taxas de roubos. A ação do índice sobre a trajetória desses crimes evidenciou
uma intensidade do impulso resposta ocorrendo entre 9 a 15 meses.
Já quando se verifica a aderência das probabilidades das variáveis componentes

dos indicadores de mercado de trabalho é possível evidenciar uma evolução ascendente
ao longo do tempo associadas ao índice IPM em contraste com a trajetória de crimes de
furtos, onde, as variáveis que se destacam são, a saber: o saldo (CAGED), acompanhado
mais moderadamente pelo salário mensal médio (CAGED), o indicador de Admissões e
o indicador de Desemprego.
As variáveis associadas aos indicadores de atividade econômica, tais como

vendas reais, ICMST e Comércio de produtos alimentícios, bebidas e fumo, foram as
que se apresentaram probabilisticamente mais aderentes ao índice IPM em contraste
com a trajetória de crimes de furtos. O efeito impulso resposta do índice IPM ponderado
pelo método DMA em relação aos delitos de furtos somente se mostra significativo após
2013, e sua intensidade se apresenta entre 6 a 9 meses.
66
Do ponto de vista do objetivo proposto neste trabalho de pesquisa e das

hipóteses levantadas, a metodologia utilizada se mostrou eficiente e eficaz para a análise
dos fatores macroeconômicos que contribuem, em certa magnitude, nas causas e
fenômenos relativos à V&C e que, se mostraram evidentes para explicar em certa
medida a propagação de seus efeitos temporais nos eventos criminosos que os
procedem.
67
ANALISANDO A DIFUSÃO ESPAÇO-TEMPORAL DOS CRIMES

DE ROUBOS E FURTOS NOS BAIRROS DE FORTALEZA
1. INTRODUÇÃO
Fortaleza é a capital do estado do Ceará localizando-se na região Nordeste do

país, a cidade é banhada em seu litoral pelo oceano Atlântico, sendo o ponto geográfico
brasileiro mais próximo da Europa (5.608 km de Lisboa, em Portugal) e está a apenas
5.566 km de Miami (Estados Unidos), sua altitude em relação ao nível do mar é de
aproximadamente dezesseis metros, a capital possui 34 km de praias e 313,140 km² de
área, de acordo com dados estimados pelo Instituto Brasileiro de Geografia e Estatística
(IBGE) em 2018.
Segundo a última estimativa populacional, divulgada pelo IBGE no mês de

agosto de 202010, a capital cearense é ocupada por aproximadamente 2,67 milhões de
habitantes, além de possuir a maior densidade demográfica entre as capitais do país,
com 8.390,76 hab/km². É a maior cidade do estado em população, além de ser a quinta
do Brasil. A Região Metropolitana de Fortaleza (RMF) é a sexta mais populosa e a
terceira maior rede urbana do Brasil em população, atrás apenas de São Paulo e do Rio
de Janeiro. Além disso,
A cidade de Fortaleza é um importante centro industrial e comercial do Nordeste

do país, com o oitavo maior poder de compra municipal da nação. No turismo, a cidade
se destaca em comparação com outros centros de turismo litorâneo brasileiro, sendo a
quarta cidade brasileira que mais recebe turistas de acordo com o Ministério do
Turismo. O município também faz parte do Mercado Comum de Cidades do Mercosul.
A posição geográfica da capital do Ceará, fez com que a mesma despontasse

como principal ponto de transferência (entrada e saída) de dados de alto tráfego de
informação do Brasil para os demais quatro continentes e entre a América Latina, o que
significa que a cidade é responsável por conectar o Brasil ao mundo.
Segundo a Prefeitura Municipal de Fortaleza (PMF), a capital é dividida

administrativamente em 12 Secretarias Executivas Regionais, 39 Territórios de
10. Para mais detalhes ver em: https://sidra.ibge.gov.br/pesquisa/estimapop/tabelas

68
Planejamento e 10 Áreas Integradas de Segurança (AIS)11 e 25 Unidades Integradas de

Segurança (UNISEG´S). Toda essa divisão regional abriga atualmente 121 bairros
oficiais que, historicamente, eram vilas isoladas de aldeamentos indígenas ou mesmo
municípios antigos que foram incorporados à capital em decorrência da expansão dos
limites do município. Foi o que aconteceu com os antigos municípios de Parangaba e
Messejana. Desde 1997 a administração executiva da Prefeitura de Fortaleza está
dividida em regionais.
Fortaleza possui 856 assentamentos precários e que se concentra a maioria das

mortes por causas externas ou mesmo ocorrências de doenças decorrentes da falta de
saneamento. Nestes assentamentos residem aproximadamente 1.084.891 habitantes em
situação precária, sem moradia, infraestrutura, sem oferta adequada de equipamentos e
serviços públicos e falta de acesso a oportunidade de emprego e renda. Estes assentos
representam apenas 12% do território da cidade, mas concentram 40% da população da
capital, desta forma a cidade cearense é considerada a 5ª cidade mais desigual do mundo
e a 3ª mais violenta do país.
Assim, todas essas disparidades/contrastes geoespaciais – tanto nos aspectos

socioeconômicos e sociodemográficos, e que, ao longo das últimas décadas só
aumentam na capital cearenses – são fatores que propiciam a escalada da V&C no
estado. Destarte, o nexo indivíduo-espaço-tempo, conforme salienta Wilcox, Land e
Hunt (2018), é de suma importância, nas áreas correlatas com a criminologia atual.
Cardia, Adorno e Poleto (2003) em uma pesquisa desenvolvida na Região

Metropolitana de São Paulo, chegaram à conclusão de que há uma sobreposição
geográfica dos indicadores de violência e das carências de direitos econômicos e
sociais, o que torna os habitantes de alguns bairros e distritos potencialmente mais
vulneráveis às ocorrências de homicídios. Constata-se, a partir dessas evidências, que o
aumento da V&C, mais particularmente dos homicídios, concentra-se nas periferias
urbanas e sociais, a despeito das modestas melhorias na qualidade de vida dessas
comunidades.
11. É importante também salientar que está distribuição espacial leva em conta a densidade demográfica
dos bairros da capital bem como as ocorrências criminais que ocorriam no ano de 2017, ano de
planejamento e implantação do sistema de atuação através da definição de áreas de segurança. Para mais
detalhes sobre o agrupamento dos bairros por AIS em Fortaleza ver: www.sspds.ce.gov.br.
69
Conforme Inaldo (2016), a análise espacial na literatura de crime sugere que as

concentrações de crime são o resultado de processos sociais específicos ou mecanismos
que são manifestas de tal forma que os crimes em um único local influenciam os níveis
e padrões de crimes em lugares próximos ou "conectados", surgindo assim, o que se
denomina na literatural, efeito transbordamento (ou Spatial Spillover Effect). Segundo
Waiselfisz (2011), a partir da década de 90 as grandes metrópoles deixaram de ser os
grandes polos de violência. E com o aumento das taxas de homicídios observou-se uma
elevação bastante significantes dos índices de V&C nas capitais que estão fora do eixo
das grandes metrópoles e nas cidades do interior do país, principalmente nas regiões
Norte e Nordeste.
As evidências na literatura de criminalidade numa perspectiva de análise

espacial indica que combater o crime somente nas localidades onde há os maiores
índices, ou seja, localmente, não evita a difusão da violência pelo simples fato de que
existe dependência espacial do crime, havendo a possibilidade de se “exportar”
criminalidade de uma cidade para outra, mantendo. Essa é uma possível motivação para
que as políticas de segurança pública sejam pensadas regionalmente, como determina a
legislação brasileira. Assim sendo, com vistas ao estudo do padrão da distribuição da
V&C em determinada região, os modelos de econometria espacial têm ganhado cada
vez mais importância tanto para explicar as principais causas dos índices de
criminalidade de uma localidade, quanto para guiar os formuladores de políticas
públicas no intuito de reduzir e prevenir a ação criminosa como um todo, como
demonstrado por diversos estudos que serão apresentados na seção a seguir.
Dito isso, na “Cidade Terra Luz”, Fortaleza, o tema V&C tem constituído, cada
vez mais, ponto de comentários e discussão nos vários segmentos sociais, bem como
nos meios de comunicação. O aumento desta, em geral, e das formas de criminalidade
em particular, em especial as de homicídios, tem grande repercussão social, com efeitos
sobre o modo de vida urbano. Em termos de distribuição espacial da V&C, a análise
relativa ao número de homicídios e de registros de roubos e furtos, revelou que nos
últimos 12 anos as maiores participações no total dessas ocorrências no estado, estão
concentradas boa parte no território de Fortaleza.
No acumulado de 2009 a 2020, tal município concentrou quase 39,23% (17.184

vítimas) dos homicídios e 64,03% (779.979 ocorrências) dos registros de roubos e
70
furtos em solo cearense, ficando a frente, dos territórios do Interior e da RMF, nos quais
registraram, nessa ordem, a cifra de aproximadamente: (i) 36,66% (16.059 homicídios)
e 21,08% (356.768 ocorrências de roubos e furtos) e (ii) 24,11% (10.564 homicídios) e
14,89% (181.359 ocorrências de roubos e furtos) no acumulado supracitado. De acordo
com Monteiro (2011) “a cidade de Fortaleza é uma cidade onde a desigualdade
socioeconômica pode ser facilmente percebida”. Essa configuração se mantém quando
se considera a distribuição dos crimes nas comunidades. Além disso, o número de
vítimas e de registros de roubos e furtos varia consideravelmente entre os bairros
localizados na capital.
Haja vista essas considerações, o estudo que se segue busca resposta para o
problema: qual o impacto dos fatores macroeconômicos (por exemplo, nível da
atividade econômica, nível dos preços locais, taxa de desemprego, desigualdade de
renda, índice de pobreza) sobre a distribuição geoespacial da V&C. Para tanto, o estudo
leva em consideração a hipótese de que a incidência criminal nos meios urbano dos
bairros da cidade de Fortaleza exprime uma situação de dependência espacial, fazendo
com que as variações nos determinantes da criminalidade em certo bairro provoquem
mudanças na taxa criminal deste e em seu conjunto de vizinhos.
Com isso, o objetivo deste estudo é analisar os impactos dos indicadores

econômicos sobre as taxas de incidências de roubos e furtos no entorno dos bairros da
capital cearense levando em consideração os efeitos dos transbordamentos geoespaciais
(ou Spatial Spillover Effect) da criminalidade entre tais bairros. Para tanto, o presente
trabalho é subdividido em cinco sessões, incluindo esta breve introdução. A segunda,
que se segue, engloba o embasamento teórico e literário sob o qual o trabalho está
fundamentado. A terceira refere-se ao arcabouço metodológico utilizado. A quarta
discute os resultados encontrados e as discussões construídas sobre o tema. Por fim,
têm-se as considerações finais.
71
2. A IMPORTÂNCIA DO EFEITO TRANSBORDAMENTO NOS ESTUDOS DE

VIOLÊNCIA & CRIMINALIDADE (V&C)
Dentre os modelos propostos, os estudos ecológicos direcionados à teoria do

crime demonstraram que diferentes características geográficas podem impactar positiva
ou negativamente os índices de criminalidade de determinada região. Da mesma forma,
regiões adjacentes a áreas que possuem altas taxas de criminalidade, tendem a ter taxas
igualmente altas, enquanto o inverso ocorre com regiões adjacentes a localidades com
baixas taxas de criminalidade.
Assim a utilização de análises geoespaciais para o campo da V&C se um dos

temas mais discutidos nos últimos 10 anos. Diversos estudos, nacionais e internacionais,
se destacam tanto na investigação da relação entre regiões com taxas de homicídios
similares, quanto na averiguação de diferentes políticas públicas e seus impactos na
V&C como um todo. Uma das prioridades em pesquisas que englobam análises
geoespaciais em regiões com alta concentração criminal é determinar se os níveis de
crime persistem e difundem ao longo do tempo (ANSELIN et. al., 2000, p. 243). Em
caso positivo é possível, a partir daí, buscar quais variáveis possuem relevância para a
propagação do crime, auxiliando de forma mais eficaz as ações governamentais para
combater a criminalidade da região.
Para a Teoria da Desorganização Social proposta por Shaw e Mckay (1942),

cuja premissa é a de que quão mais desorganizada for uma sociedade, no sentido de
altas taxas de desemprego, desigualdade de renda e baixa oportunidade, mais propensa
ela estará para o crime. Os autores descrevem o impacto dos bairros urbanos e suas
comunidades na influência do comportamento criminal. Além disso, essa teoria tem
uma relação muito forte com os estudos da Ecologia Humana.
A Teoria Criminológica da Escola de Chicago, conhecida desta forma,

relaciona a prática criminal e o espaço. A Escola de Chicago foi de suma importância
para a análise criminal, pois rompe com o paradigma de que o crime está atrelado à
patologia do homem e leva à análise criminal o estudo de circunstâncias sociais, como
entorno e as pessoas que ali habitam. O foco desta escola, então, foi estudar o
desenvolvimento da grande cidade, principalmente nas cidades norte-americanas, com
industrialização, imigração, desigualdade e conflitos culturais.
72
Outro estudo que leva em consideração a questão do espaço é o trabalho

realizado por Park (1925). Para o autor a distribuição espacial é definida pelas
condições socioeconômicas e sociodemográficas, conforme encontrado em muitas
cidades americanas, e está relacionada à V&C com o espaço. Cabe ressaltar que deve
haver um importante cuidado com as correlações entre os indicadores econômicos e a
criminalidade, pois não se pode ser determinista, ou seja, se mora em uma localidade
pobre, com baixos índices socioeconômicos, portanto é criminoso.
O estudo de Beato (1998) analisa os padrões e os determinantes da

criminalidade no estado de Minas Gerais, usando dados do Censo Demográfico 1991. O
autor constata a presença de forte concentração espacial, onde crimes contra o
patrimônio são mais frequentes nos municípios mais ricos e de maior porte. Os
homicídios, por sua vez, encontram-se mais presentes em municípios com baixa renda
média e com deficiência de infraestrutura, em especial, de saneamento básico.
Já o trabalho de Beato e Reis (2000) consideram que a criminalidade deve ser

relacionada à condição socioeconômica da população, considerando sua tipologia e
escala de análise. Em uma escala macroespacial, segundo os autores, a V&C aumentaria
em municípios maiores. Já em uma observação micro, cujas análises se dão entre
bairros ou regionais de um mesmo município, há uma relação entre desigualdade social
e criminalidade.
Baller et. al. (2001) utilizaram o número de homicídios de diversos condados

dos Estados Unidos para inferir relações espaciais e similaridades econômicas e sociais
entre as regiões atingidas por altas taxas criminais. Os principais resultados encontrados
apontaram que as taxas de homicídios não eram distribuídas aleatoriamente no espaço,
se concentrando em regiões específicas e que possuem áreas adjacentes similarmente
perigosas, indicando assim haver uma correlação entre as localidades. Além disso, essa
concentração persiste mesmo quando controlados fatores estruturais que são
reconhecidos como boas variáveis para prever crimes, ou seja, apenas por uma região
estar adjacente a uma área perigosa, já é alta a chance dela mesma também possuir altas
taxas de homicídios.
Realizando estudos da V&C na cidade do Rio de Janeiro, o trabalho de Rivero

(2010) encontrou baixos níveis de correlação espacial entre homicídios e favelas, onde
apenas 7,2% dos óbitos georreferenciados provem de favelas. No entanto, o estudo
73
mostra que a maior concentração de homicídios se deu em áreas habitadas por

populações mais pobres e onde a concentração de favelas é maior.
Estudos desenvolvidos por Guirra et al. (2011), buscando a espacialização dos

homicídios na zona urbana da cidade de Ilhéus no estado da Bahia, evidenciaram forte
correlação entre taxas de homicídio e desigualdade social. De acordo com os autores,
“existe uma intensificação da criminalidade em função de uma urbanização acelerada e
desigual, com reflexos sobre a qualidade de vida dos citadinos”. Ademais, segundo
Guirra et al. (op. cit.), a disputa por territórios do tráfico de drogas é o principal indutor
dessa criminalidade e as principais vítimas são os jovens do sexo masculino.
Em um estudo relacionado ao fenômeno da V&C, Griffiths (2013) buscou

analisar as características espaciais que poderiam justificar a forma como a
criminalidade se distribui na cidade de Buffalo no estado de Nova York. Os principais
resultados indicaram que condições socioeconômicas envolvendo pobreza e outras
características que pudessem levar a uma maior vulnerabilidade social eram as
principais variáveis que podiam prever violência nas regiões estudadas entre os anos de
1950 e 1970.
Medeiros et al. (2013) buscaram analisar as correlações espaciais entre a

ocorrência de homicídios e a presença de aglomerados subnormais na cidade de
Fortaleza, Estado do Ceará, Brasil. As bases de dados utilizadas no trabalho foram: (i) a
malha de bairros georreferenciada de Fortaleza, (ii) a malha de aglomerados subnormais
(arquivos no formato shapefile) gerados no âmbito do Censo Demográfico 2010 e (iii)
dados georreferenciados de homicídios da SSPDS/CE. Sob a hipótese de que as áreas
com maior número de habitações subnormais e favelas apresentariam maiores índices
de homicídios. Entretanto, não se trabalhou com a hipótese de que haveria relação de
causa e efeito entre homicídio e privação social, embora seja uma hipótese aceita,
conforme salientado em Batella, Diniz e Teixeira (2008). Como método, utilizaram o
estimador da função de densidade de Kernel proposto por Lucambio (2008). Os
resultados indicaram uma forte correlação espacial entre as variáveis analisadas.
Entenda-se, entretanto, que as correlações positivas não devem ser confundidas com
causa.
74
Em uma análise similar, Flores e Rodriguez-Oreggia (2014) buscaram estudar

a difusão do crime, que foi medido como número de homicídios, entre os municípios do
México em um período em que os níveis de crime eram tão altos que houve intervenção
militar em algumas áreas. Os resultados mostraram que mesmo após a intervenção,
regiões com altos índices de homicídio permaneceram adjacentes a outras regiões com
níveis de homicídio igualmente altos. Além disso, a intervenção teve como efeito
espalhar o crime organizado para territórios vizinhos que não tiveram intervenção,
indicando que seria necessária uma ação complementar à intervenção militar para um
efeito mais substancial nas ações criminosas desses municípios mexicanos.
Plassa e Parré (2015), através de uma análise geoespacial, estudaram as

relações entre as taxas de homicídios do Paraná e os fatores socioeconômicos da região.
Utilizando técnicas geoestatísticas, os autores concluíram que as altas taxas de
homicídios do estado encontram-se principalmente nas regiões da capital e da fronteira
com o Paraguai, além disso, existe uma relação entre as taxas de homicídios e as regiões
vizinhas, ou seja, regiões com altas taxas de homicídios encontram-se circundados por
municípios que também possuem altas taxas. O contrário também se apresentou válido,
corroborando para os resultados que comumente se encontram em estudos espaciais
sobre a criminologia.
Em uma das mais recentes pesquisas nacionais, Garcia Neto et. al. (2017)
analisaram as taxas de crimes contra patrimônios dos municípios do estado de São
Paulo no ano de 2015. Por meio de técnicas geoestatísticas foi possível observar que a
distribuição espacial entre os municípios estava relacionada com a criminalidade do
estado. Além disso, o estudo constatou que maiores níveis de emprego contribuem para
uma redução no número de crimes, em contrapartida, uma maior densidade
populacional somada à características de desigualdade social foram apontados como os
maiores determinantes na incidência de crimes contra o patrimônio.
A maior concentração desses crimes se deu nas regiões metropolitanas do

estado e em cidades litorâneas, enquanto que regiões menos povoadas possuíam baixos
níveis de ocorrência do crime analisado. Esse estudo também foi importante para traçar
os perfis que caracterizam os municípios mais perigosos do Estado de São Paulo, além
de ajudar a observar os estímulos que levam um indivíduo a se envolver com o mundo
do crime (GARCIA NETO et. al., 2017, p. 11-12).
75
3. METODOLOGIA
3.1.1 Modelo econômico geoespacial do crime
O presente estudo busca utilizar o modelo de painel dinâmico espacial, como

proposto por Brady (2011). Empregando uma modelagem autorregressiva (ou seja, em
que uma das variáveis explicativas seja a variável dependente defasada), o modelo
segue a forma:
𝑦 = 𝜌𝑊𝑦 + 𝛼𝑦 + 𝛽𝑥 + 𝛿 + 𝑢 (3)
Em que "𝑦 ” = (𝑦 , ⋯ , 𝑦 ) é o vetor 𝑛𝑡 𝑥 1 das observações de taxas de

roubos e furtos dos “n=58 clusters” formados pelos agrupamentos dos bairros
distribuídos entre as Regiões Oeste e Leste da capital de Fortaleza, "𝑦 " é a
defasagem das taxas criminais supracitadas, "𝑥 ” = (𝑥 , ⋯ , 𝑥 ) é uma matriz 𝑛𝑡 𝑥 𝑘
de regressores exógenos, "𝛿" = (𝛿 , ⋯ , 𝛿 ) é um vetor de dimensão 𝑛 𝑥 1 de
características individuais (efeitos fixos no tempo) de cada agrupamento/clusters de
bairros e "𝑢 " = (𝑢 , ⋯ , 𝑢 ) é o vetor dos termos de erro do modelo, com distribuição
normal, média zero e variância constante.
O termo "𝑊" é uma matriz 𝑛 𝑥 𝑛 de pesos espaciais. Enquanto que "𝜌" é o

parâmetro do regressor espacial, isto é, o coeficiente de correlação espacial que mede o
grau de influência da taxa de roubos ou furtos das regiões vizinhas (n=58 clusters) na
taxa de roubos ou furtos da região i. Uma vez que 𝑊𝑦 é correlacionado com o termo de
erro, o estimador de efeitos fixos utilizado em estimações não espaciais será
inconsistente. Assim sendo, para os casos em que t é fixo e 𝑛 → ∞, o método mais
comum, principalmente em modelos espaciais, é utilizar Variáveis Instrumentais (VI)
no painel em primeira diferença para evitar endogeneidade no modelo.
Como os clusters de bairros são distintos possuem diferentes características em

decorrência de vários fatores, a hipótese de uma taxa de incidência de roubo e/ou furto
homogênea é demasiadamente restritiva. De acordo com Islam (1995), uma forma
adequada de contornar esse problema é utilizar a abordagem de dados em painel. Dito
isso, nosso modelo econômicos a ser estimado éo seguinte:
76
𝑐 = 𝜌𝑊𝑐 + 𝛼𝑐 + 𝛽 𝐼𝐵𝐶𝑅 + 𝛽 𝐶𝐶𝐵 + 𝛽 𝑆𝐴𝐿𝐷𝑂 + 𝛿 + 𝑢 (4),
Onde 𝑐 são as taxas de roubos e furtos para os 58 bairros agrupados; 𝐼𝐵𝐶𝑅 é

um índice de atividade econômica para analisar os efeitos do nível da atividade
econômica sobre o nível da V&C; 𝐶𝐶𝐵 é o custo da cesta básica que visa mensurar os
efeitos do poder de compra dos indivíduos; e por fim, 𝑆𝐴𝐿𝐷𝑂 é o saldo do emprego
formal para captar os efeitos do mercado de trabalho na trajetória da criminalidade.
3.1.2 Matriz de contiguidade espacial (𝑾𝒏𝒙𝒏 )12
Para Tyszler (2006, p. 62) “os pesos espaciais construídos a partir de

características geográficas são, certamente, o formato mais utilizado na literatura de
econometria espacial”. Além disso, a lógica teórica de construção desses pesos está em
atribuir maior peso para unidades geograficamente mais próximas e, consequentemente,
reduzir o peso de unidades mais distantes.
Seguindo a literatura de econometria espacial, uma técnica usual para qualquer

critério de construção de pesos, é normalizar as linhas ou colunas para sua soma ser
igual a 1 (um). Isso permite uma comparabilidade direta entre diferentes pesos da
mesma matriz, entre diferentes matrizes e facilita a leitura de 𝑤 como a porcentagem
da influência total em i que é de responsabilidade de j. Para Anselin (2003) e Anselin &
Bera (1998), apesar de não haver um requisito matemático para a normalização, esse
procedimento facilita a leitura dos coeficientes.
No entanto, Anselin (2003) e Anselin e Bera (1998) alerta que a normalização

não deve ser feita automaticamente. Dependendo do modelo, se os valores não
normalizados forem importantes em termos comparativos, a normalização não deveria
ser feita. Porém, é valido notar que na literatura encontra-se, de forma preponderante,
estudos com a matriz normalizada.
O primeiro passo na estimação econométrica espacial a ser considerado é

modelar a vizinhança das unidades espaciais de uma maneira numérica. As duas
principais formas de se construir essa matriz de pesos espaciais são por fronteiras ou por
12. Para mais detalhes sobre tipologia de Matrizes de Pesos ou Ponderação Espacial ver Capítulo 3 em
ALMEIDA, E. S. Econometria Espacial Aplicada. Curso de Mestrado em Economia Aplicada,
Universidade Federal de Juiz de Fora, 2010.
77
distâncias geográficas dos centróides. No entanto, neste estudo será utilizada a primeira
opção.
Para a mensuração por fronteiras, cria-se uma Matriz de Fronteiras ou de

Contiguidade Espacial, que consiste em um instrumento capaz de identificar vizinhos de
uma determinada região por meio da representação de áreas em termos numéricos. Com
base na especificação dada por Almeida (2012), a matriz de vizinhança possui a
seguinte estrutura:
, ã
𝑊∗ = , ã ã (1)
A matriz é construída a partir de um conjunto de n áreas/bairros "𝐵” =

(𝐵 , ⋯ , 𝐵 ), resultando em uma matriz 𝑊(1)∗ onde cada um dos elementos
𝑊 ∗ representa a medida de proximidade entre 𝐵 e 𝐵 , isto é, o bairro i e o bairro j. Para
este trabalho, o peso atribuído para os vizinhos foi distribuído igualmente, de forma que
o somatório dos pesos em linha ou coluna da matriz seja igual a 1.
Após a normalização, obtém-se a matriz 𝑊 = 𝑤 :
∗ , ∀𝑖 ≠ 𝑗.
𝑤 = ∑ ∀𝑖 = 1,2, ⋯ 58. (2)
0, ∀𝑖 = 𝑗.
Onde 𝑤 é um elemento genérico da matriz normalizada; 𝑊 ∗ é um elemento

genérico da matriz de vizinhança dada em (1); ∑ 𝑊 ∗ é soma de cada elemento/célula
- ou a quantidade de bairros j que fazem fronteiras (contiguidade espacial) com o bairro
i -, no caso de cada coluna j quando fixamos uma linha i qualquer em (1).
3.1.3 Funções de impulso-resposta (FRI) espaciais e projeções locais
É possível estimar funções de impulso-resposta (Impulse response function-

IRF) projetando as variáveis endógenas em um sistema com as suas defasagens em cada
horizonte, h. Assim sendo, conforme proposto por Jordá (2005), a projeção local é dada
considerando o vetor 𝑛 𝑥 1 da série temporal 𝑦 expressa como:
𝑦 = 𝐴 𝑦 +𝐴 𝑦 + ⋯+ 𝜀 +𝐵 𝜀 + ⋯+ 𝐵 𝜀 (4)
78
A expressão (3) refere-se à derivada da Decomposição de Wold13 de 𝑦 . A

expressão infinita pode ser truncada para defasagem de tamanho k, sob a forma:
𝑦 = 𝐴 𝑦 +𝐴 𝑦 + ⋯+ 𝐴 𝑦 +𝑣 , (5)
em que:
𝑣 , =∑ 𝐴 𝑦 +𝜀 +∑ 𝐵𝜀 (6)
Onde 𝐴 = 𝐵 para ℎ ≥ 1 e 𝐴 = 𝐵 𝐴 +𝐴 para ℎ ≥ 1, 𝐴 = 0, 𝐵 é

uma matriz identidade 𝑛 𝑥 𝑛, e 𝑗 ≥ 1.
Com isso, 𝐴 é uma estimativa consistente para o coeficiente de impulso

resposta 𝐵 . Assim sendo, com relação à equação (3), caso um 𝑥 seja um regressor
exógeno em 𝑥 , então o impulso resposta de 𝑦 para 𝑥 é calculado através do
coeficiente de estimação de 𝑥 em h regressões.
O modelo espacial de painel dinâmico pode ser estimado utilizando tanto os

Mínimos Quadrados em Dois Estágios - MQ2E (Two-Stage Least Squares-2SLS)
utilizando variáveis instrumentais para contornar a endogeneidade do modelo, quanto
utilizando Mínimos Quadrados Ordinários - MQO (Ordinary Least Squares-OLS) em
que se assume nenhuma restrição nas variáveis potencialmente endógenas (utilizando,
porém, explicações teóricas para a não restrição de tais variáveis).
13. Essa decomposição implica que qualquer termo discreto estacionário de um processo estocástico pode
ser separado em um par de processos não correlacionados em que um é determinístico e o outro é uma
média móvel.
79
3.2.1 Indicadores de roubos e furtos em nível de bairros14
A base de dados de V&C foi obtida junto á Secretaria de Segurança Pública do

Estado do Ceará (SSPDS/CE) que divulga mensalmente informações oficiais
consolidadas sobre diversos tipos de crime, classificados por Áreas Integradas de
Segurança (AIS). Neste estudo foi utilizado um painel de 58 bairros, agrupados a partir
dos 113 bairros híbridos, contendo informações referentes aos crimes de roubos e furtos
registrados oficialmente nos limites territoriais da capital de Fortaleza para o período
compreendido de 2010 a 2019. Ademais, vale apenas ressaltar que as análises que serão
realizadas, tem como foco uma abordagem que leva em consideração os
transbordamentos espaciais entre os bairros, não o georreferenciamento dos delitos
supracitados.
3.2.2 Indicadores econômicos
Por fim, complementando as informações sobre criminalidade, têm-se as

informações referentes à população total, por bairro, que foram extraídas, a partir de
dados do Censo (2010) do IBGE, último disponível, que foi utilizada para calcular a
taxa de roubos e furtos para cada 10 mil habitantes. Para analisar os impactos da
Conjuntura da Atividade Econômica sobre os delitos supracitados, utilizou-se o Índice
de Atividade Econômica Regional (IBCR) disponível pelo Banco Central do Brasil
(BACEN).
Por outro lado, o indicador custo médio da cesta básica disponível no

Departamento Intersindical de Estatística e Estudos Socioeconômicos (DIEESE) foi
utilizado com o objetivo de se analisar os efeitos da variação dos preços médios
(inflação) e do poder de comprar (renda) sobre o nível de criminalidade local. Ademais,
tem-se a variável saldo de emprego formal (diferença entre admitidos e desligados)
extraído do Cadastro Geral de Empregados e Desempregados (CAGED) com o objetivo
de avaliar os impactos da dinâmica do Mercado de Trabalho sobre a criminalidade.
14. Para mais detalhes dos conceitos e definições da tipificação criminal de roubos e furtos, ver Seção
Metodológica no Capitulo I.
80
Esta seção contém os resultados, apresentados nas Tabelas 1, 2 e 3

respectivamente, tanto o panorama espacial do número de ocorrências de roubos e
furtos segundo as Áreas Integradas de Segurança (AIS) e os bairros da capital cearense,
quanto às estimações feitas pelos métodos MQO/OLS e MQ2E/2SLS para um modelo
de painel dinâmico espacial voltado para as taxas de roubos e furtos dos 58 bairros
híbridos (agrupados e divididos em Região Oeste e Leste), conforme já supracitado na
seção metodológica.
4.1 Distribuição geoespacial das ocorrências/casos de roubos e furtos, segundos as

Áreas Integradas de Segurança (AIS) de Fortaleza/CE (2010-2019)
A análise relativa ao número de registros de roubos e furtos, segundo as áreas

integradas, revelou que em 2019 as AIS´s com maiores participações no total de
ocorrências no estado, estão concentradas boa parte no Território de Fortaleza. Nos 12
meses de 2018, tal município concentrava quase 60,56% (72.944 registros) das
ocorrências de roubos e furtos no Ceará, enquanto os Territórios do Interior (Sul &
Norte) e a RMF registraram, respectivamente, apenas 23,94% (28.840 registros) e
15,50% (18.666 registros) naquele ano. Em 2019, a capital de Fortaleza concentrou
quase 61,47% (64.631 ocorrências) dos registros de roubos e furtos em solo cearense,
ficando a frente dos Territórios do Interior (Sul & Norte) e da RMF, nos quais
registraram a cifra de aproximadamente 23,26% (24.452 ocorrências) e 15,27% (16.053
ocorrências) à época, nessa ordem.
Além disso, como se observa na Tabela 1 a seguir, o número de ocorrências

registradas de roubos e furtos varia consideravelmente entre as dez áreas integradas,
localizadas na capital, entre os períodos de (2010-2014) e (2015-2019). Assim,
conforme a tabela apresentada, em média, as dez AIS´s registraram um aumento
vertiginoso de quase 15,31% entre os períodos supracitados. No grupo das AIS´s
localizadas na Região Leste de Fortaleza os maiores valores, em termos relativos, foram
nas seguintes áreas: AIS 07, indo de 26.399 casos no período 2010-2014 para 36.007 no
intervalo de 2015-2019, um crescimento de aproximadamente 36,40%; seguido da AIS
03, indo de 20.636 casos entre 2010-2014 para 27.702 entre 2015-2019, um crescimento
81
de quase 34,24%. Por outro lado, apresentando um comportamento inverso, a AIS 10

registrou uma retração, apesar de pequena, de aproximadamente 0,29% (Tabela 1).
No grupo das AIS´s localizadas na Região Leste de Fortaleza os maiores valores,

em termos relativos, foram nas áreas: AIS 07, indo de 26.399 casos no período 2010-
2014 para 36.007 no intervalo de 2015-2019, um crescimento de aproximadamente
36,40%; seguido da AIS 03, indo de 20.636 casos entre 2010-2014 para 27.702 entre
2015-2019, um crescimento de quase 34,24%. Por outro lado, apresentando um
comportamento inverso, a AIS 10 registrou uma retração, apesar de pequena, de
aproximadamente 0,29% (Tabela 01).
Tabela 01 - Nº de ocorrências de roubos e furtos, segundo as Áreas Integradas de Segurança

(AIS) - Fortaleza/CE (2010-2019).
Nº de ocorrências/casos de roubos e furtos (1)
Território e AIS
2010-2014 2015-2019 Δ%
Capital Leste 148.517 175.883 18,43%
AIS 01 32.460 33.666 3,72%
AIS 03 20.636 27.702 34,24%
AIS 05 42.113 51.677 22,71%
AIS 07 26.399 36.007 36,40%
AIS 10 26.909 26.831 -0,29%
Capital Oeste 135.697 149.556 10,21%
AIS 02 19.390 23.223 19,77%
AIS 04 45.533 45.399 -0,29%
AIS 06 36.180 42.221 16,70%
AIS 08 15.282 14.439 -5,52%
AIS 09 19.312 24.274 25,69%
Território não identificado 28.390 41.363 45,70%
AIS não identificada na Capital 28.390 41.363 45,70%
Fortaleza 312.604 366.802 17,34%
Fonte: Elaboração própria com base nos dados da GEESP/SUPESP/SSPDS/CE. Nota: (1) As
informações aqui apresentadas poderão sofrer alterações de acordo com a fonte oficial.
Já no grupo das AIS´s localizadas na Região Oeste de Fortaleza as maiores

variações percentuais, foram nas áreas: AIS 09, indo de 19.312 casos entre 2010-2014
para 24.274 no período 2015-2019, um aumento de quase 25,69%; seguido da AIS 02,
indo de 19.390 casos para 23.223 entre os períodos analisados. Todavia, a AIS 08
registrou uma retração de quase 5,52%, passando de 15.282 ocorrências em 2010-2014
para 14.439 registros no período 2015-2019 (Tabela 01).
82
4.2 Distribuição geoespacial do nº de ocorrências/casos e da taxa média de roubos e

furtos, segundos os bairros de Fortaleza/CE (2010-2019)
Para efeito desse estudo serão considerados apenas 113 bairros híbridos, pois
foram desconsiderados desmembramentos de bairros posteriores a 2010, como por
exemplo: criação dos bairros do Aracapé (Mondubim), Olavo Oliveira (Quintino
Cunha), Novo Monbubim (Vila Manoel Sátiro) e Parque Santa Maria (Ancuri). Além
disso, os bairros De Lourdes e Papicu foram considerados um só, assim como São
Bento e Paupina, Conjunto Ceará I e Conjunto Ceará II, Praia do Futuro I e Praia do
Futuro II. Isto porque para fins de áreas de interesse, a SSPDS/CE não fazia distinção
entre eles.
Os mapas 1, 2, 3 e 4 a seguir apresentam a distribuição territorial da densidade

criminal (roubos e furtos) entre os bairros, referente ao número de ocorrências/casos e
da taxa média por 10 mil habitantes15 a partir da classificação por quebras naturais com
ajustamento dos intervalos para compatibilizar os anos, identificando-se
geograficamente os bairros que obtiveram os maiores e menores valores absolutos e
taxas médias. Observe que estes mapas estão divididos em dois cenários: Os mapas 1 e
2 são relacionados ao período de 2010-2014, enquanto os mapas 3 e 4 retratam o
quinquênio de 2015-2019.
Percebe-se que, em termos de densidade criminal, Fortaleza é uma cidade

espacialmente dividida. A Região Leste concentra a maior parte dos bairros (57%),
enquanto a região oeste concentra apenas 43% destes aglomerados urbanos. Ademais,
em termos de nº de casos de roubos e furtos no período de 2010-2014, o lado leste da
capital além de concentrar a maior parte dos bairros, concentrava também, a maior parte
das ocorrências em Fortaleza (47,51%), enquanto o lado oeste apresentou
comportamento inverso, ou seja, concentrava a menor parte dos registros (43,41%) no
período supracitado.
15. Indicadores como a taxa por cem mil habitantes são proporcionais ao tamanho da população em
questão, logo, eles permitem comparar populações (regiões, países, municípios, cidades, bairros, etc) de
tamanhos diferentes. O cálculo da taxa por 100 mil/habitantes é feito por meio do quociente entre o
número total de crimes ocorridos no ano e a população registrada no mesmo ano, multiplicado por 100
mil habitantes. No entanto, neste estudo foi calculada a taxa conforme o tamanho da população dos
bairros, por exemplo: (i) Regiões com população ≥ 100 mil habitantes multiplicar por 100 mil; (ii)
Regiões entre 50 mil ≤ População < 100 mil habitantes multiplicar por 10 mil; e (iii) Regiões com
população < 50 mil habitantes multiplicar por 1.000.
83
Analisando o mapa 1 para o período 2010-2014, percebe-se que 14 bairros, na

sua grande maioria situados na região leste, ficaram na classe acima de 5.000 casos
registrados, são eles: Centro (29.672), Aldeota (12.884), Messejana (8.928), Parangaba
(8.585), Antônio Bezerra (7.751), Meireles (7.626), Fátima (7.262), Praia de Iracema
(5.913), Barra do Ceará (5.835), Montese (5.727), Papicu (5.587), Bom Jardim (5.274),
Parquelândia (5.144) e Conjunto Ceará (5.086).
Em contrapartida, averígua-se que os bairros com menor desempenho criminal

(cor vermelho claro na legenda do mapa 1) se situam (até 1.500 registros de roubos e
furtos), em sua maioria também no lado leste, a saber: Dendê (19), Jardim Cearense
(93), Coaçu (98), Salinas (167), Parque Iracema (172), Bom Futuro (192), Floresta
(209), Dom Lustosa (213), Curió (245), Parque Presidente Vargas (263), Guajeru (271),
Parreão (376), Itaoca (388) e Sabiaguaba (394).
Duas coisas chamam a atenção com relação a estas composições de bairros

quanto ao desempenho criminal. A primeira delas com relação à qualidade de vida,
medido aqui pelo Índice de Desenvolvimento Humano (IDH), dos bairros que compõem
o grupo de maior densidade. Conforme estudo da Secretaria Municipal de
Desenvolvimento Econômico (SDE/PMF, 2015), os bairros da capital cearense
considerados com IDH muito alto/alto, médio e baixo, são respectivamente: Meireles,
Aldeota, Praia de Iracema, Fátima, Parquelândia, De Lourdes/Papicu, Centro. A maioria
destes bairros, entre os anos 2010 e 2014, apresentaram uma média anual de 2.117
ocorrências de crimes contra o patrimônio, ou seja, os bairros mais nobres e medianos
também podem ser considerados perigosos e suscetíveis às ações criminais.
Por outro lado, o que chama a atenção é que, os bairros com menor
desempenho criminal composto pelos bairros Guajeru, Sabiaguaba, Coaçu, Floresta,
Curió, Dendê e Parque Presidente Vargas, estão localizados numa região de periferia
(baixo IDH), os mesmos concentraram apenas 0,48% das ocorrências na capital
cearense entre 2010 e 2014.
De acordo com Ribeiro (2019), nestas áreas periféricas, a polícia é

constantemente desafiada pelas facções criminosas que atuam na cidade, principalmente
no que se refere à ocupação dos condomínios residenciais de programas de imóveis
populares como o “Minha Casa, Minha Vida”, onde as facções expulsam moradores de
84
suas casas ou apartamentos bem como impõe o tribunal do crime “lei do vai pro saco”
caso algum morador cometa certos delitos, em especial, roubar ou furtar na região.
Mapa 1:
Número de ocorrências de roubos e furtos, segundo os bairros de Fortaleza/CE (2010-2014).
Fonte: Elaboração própria com base nos dados da SSPDS/CE.
Por outro lado, quando se considera o tamanho da população dos bairros,

percebe-se que este contingente (mapa 2) demonstrou que, em termos de taxa média,
apenas 7% (8 bairros) dos 113 bairros estão situados na classe acima de 600,01
ocorrências de roubos e furtos para cada 10 mil habitantes, a saber: Praia de Iracema
(3.691,53), Centro (2.034,93), Pedras (880,71), Benfica (708,95), Parquelândia
(696,79), Manuel Dias Branco (683,14), Maraponga (672,49) e Fátima (608,80).
Em contrapartida, observa-se que os bairros com menor desempenho em

atividade delituosa (cor vermelho claro na legenda do mapa 2) se situam, em sua
maioria (até 200,00 casos por 10 mil habitantes), na região leste de Fortaleza. No
ranking geral dos 8 bairros com menores taxas, estão: Dendê (6,56), Floresta (14,19),
Jardim Cearense (17,86), Planalto Ayrton Senna (24,42), Coaçu (26,62), Dom Lustosa
(31,68), Paupina (39,01) e Parque Iracema (40,14).
85
Mapa 2:
Taxa média por 10 mil hab. de roubos e furtos, segundo os bairros de Fortaleza/CE (2010-2014).
Agora, considerando os mapas 3 e 4, nos quais retratam o período de 2015-2019,

averígua-se que boa parte dos bairros com maior desempenho criminal estão novamente
situados na região leste de Fortaleza. Observe que neste cluster - compondo 19 bairros,
quantidade um pouco maior (crescimento de 35,71%) do observado durante o período
de 2009-2014 (14 localidades) - tais bairros ficaram na classe acima de 5.000 casos de
roubos e furtos durante o período analisado.
No ranking geral dos 14 bairros com maiores índices criminais, em termos

absolutos, estão: Centro (28.884), Messejana (12.383), Aldeota (11.500), Parangaba
(10.169), Antônio Bezerra (8.264), Praia de Iracema (8.028), Meireles (7.630), Fátima
(7.271), Montese (6.991), Bom Jardim (6.462), Conjunto Ceará (6.403), Benfica
(6.369), Jangurussu (6.144) e Mondubim (5.897).
Além disso, podemos observar que, apesar dos bairros Aldeota e Centro sempre
se apresentarem como protagonistas nesta hierarquia criminal, para ambos os períodos
amostrais (2010-2014 e 2015-2019), os mesmos registraram queda de aproximadamente
10,74% e 2,66%, nessa ordem, entre os períodos supracitados.
86
Em contrapartida, percebe-se que aproximadamente 39% (44 bairros) dos 113

bairros, situados nas regiões leste e oeste, ficaram na classe até 1.500 registros (cor
vermelho claro na legenda do mapa 3). No ranking geral dos 14 bairros com menores
quantidades, estão: Dendê (68), Dom Lustosa (190), Floresta (210), Salinas (211),
Coaçu (221), Jardim Cearense (279), Bom Futuro (298), Curió (331), Parque Iracema
(352), Alto da Balança (358), Guajeru (365), Couto Fernandes (378), José de
Alencar/Alagadiço Novo (380) e Amadeu Furtado (427).
Note que, apesar dos bairros Dendê e Jardim Cearense sempre se apresentarem
como anfitriões nesta hierarquia criminal, os mesmos registraram um crescimento
vertiginoso de aproximadamente 255,35% e 199,85%, respectivamente, entre os
períodos (2010-2014) e (2015-2019).
Mapa 3:
Número de ocorrências de roubos e furtos, segundo os bairros de Fortaleza/CE (2015-2019).
87
Todavia, quando se considera o tamanho da população dos bairros entre os anos

de 2015-2019 (mapa 4), percebe-se que aproximadamente 8% (9 bairros) dos 113
bairros distribuídos entre as regiões leste e oeste, em termos de taxa média, ficaram na
classe acima de 600,01 casos para cada 10 mil habitantes. Neste grupo estão: Praia de
Iracema (4.785,65), Centro (1.891,46), Pedras (992,57), Benfica (917,40) Boa
Vista/Castelão (823,77), Manuel Dias Branco (778,42), Sabiaguaba (718,41) e
Maraponga (669,56). Pode-se observar que o bairro Praia de Iracema registrou um
crescimento de 29,64%, enquanto o bairro Centro apresentou uma retração de 7,05%
entre os períodos em questão.
Mapa 4:
Taxa média por 10 mil hab. de roubos e furtos, segundo os bairros de Fortaleza/CE (2015-2019).
Por outro lado, averígua-se que as localidades com menores taxas médias ou
desempenho em atividade delituosa (cor vermelho claro na legenda do mapa 4) se
situam, em sua maioria (de 13,52 até 200,00 casos por 100 mil habitantes), na região
leste. Os bairros com menores taxas foram, nessa ordem: Floresta (13,52), Dendê
(22,26), Dom Lustosa (27,09), Planalto Ayrton Senna (27,25), José de
Alencar/Alagadiço Novo (44,54), Jardim Cearense (51,47), Alto da Balança (52,26),
Cais do Porto (53,38) e Paupina (55,75).
88
4.3 Efeitos dos fatores macroeconômicos sobre a dinâmica geoespacial da V&C
Destaca-se que o resultado encontrado nos resíduos de MQO apontam indícios

de existência de autocorrelação espacial (Tabelas 2 e 3)16. Portanto, MQO tradicional
torna-se inadequado para tratar o problema da dependência espacial vigente nas taxas de
roubos e furtos dos bairros da capital entre o período 2010-2019. Analisando a última
parte da saída dos MQO, pode-se observar o resultado do Teste do Multiplicador de
Lagrange (Teste SAR), e assim, verificar que o Modelo SAR (eq. 3) é adequado para se
utilizar.
Tabela 2 - Estimações para o modelo de painel dinâmico geoespacial para taxa de roubos.
Parâmetros/Regressores OLS IV1 IV2
0,4848 0,2001 0,2007
Coeficiente espacial (𝜌)
(0,0175)** (0,0249)** (0,0249)**
0,5352 0,5871 0,5871
Taxa de roubos(t-1)
(0,0186)** (0,0100)** (0,0100)**
8,8962 -8,5604 -9,3164
Índice de Atividade Econômica
(4,7421)*** (5,1081)*** (5,2055)***
-2,8573 0,4458 0,1831
Custo da cesta básica
(0,8720)** (0,8911) (0,8990)
-0,0008 -0,0017 -0,0018
Saldo do emprego
(0,0004)** (0,0004)** (0,0004)**
Teste SAR 6,5767 114,69 131,04
P-Value 0,0103** 0,0000** 0,0000**
Fonte: Elaboração própria (2020). Nota: Os resultados apresentados são para regressões feitas através de mínimos
quadrados ordinários e mínimos quadrados em dois estágios. As colunas nomeadas como IV1 e IV2 indicam os
modelos que utilizaram variáveis instrumentais, em IV1 foi considerado que o coeficiente espacial (ρ) é endógeno,
já em IV2 foi considerado que tanto a variável, assim como o coeficiente espacial (ρ) são endógenos. Os erros
padrões reportados estão corrigidos para heterocedasticidade em cada uma das regressões feitas. A hipótese nula do
teste SAR é de que a correlação espacial não é evidente nos resíduos, uma vez que essa hipótese foi rejeitada,
podemos admitir que existe correlação espacial. (*) indica que o coeficiente estimado é significativo a 1%, (**) é
significativo a 5%, enquanto que (***) indica que é significativo a 10%.
Conforme a Tabela 2, para os três exercícios econométricos propostos (OLS,

IV1 e IV2), os parâmetros estimados para o Coeficiente espacial (𝜌), a Taxa de roubos(t-
1) e o Saldo de emprego (geração de emprego formal) se mostraram estatisticamente
significantes aos níveis de 1% e 5%, enquanto o Índice de Atividade Econômica se
mostrou significante a 10%. Todavia, o indicador Custo da cesta básica só foi
significante aos níveis de 1% e 5% quando considerado apenas o método OLS.
16. Os resultados para as variáveis dummy foram omitidos por razão de simplicidade na exposição das
tabelas.
89
Tabela 3 - Estimações para o modelo de painel dinâmico geoespacial para taxa de furtos.
Parâmetros/Regressores OLS IV1 IV2
0,5375 -0,0416 -0,0838
Coeficiente espacial (𝜌)
(0,0249)** (0,0730) (0,0741)
0,3124 0,3363 0,3376
Taxa de furtos(t-1)
(0,0361)** (0,0115)** (0,0115)**
2,2679 8,0986 9,9929
Indicador de Atividade Econômica
(5,1477) (4,9343)*** (5,0272)**
-0,2242 -2,5454 -3,1257
Custo da cesta básica
(0,9116) (0,6925)** (0,7105)**
0,0003 -0,0001 -0,0001
Saldo do emprego
(0,0003) (0,00005)** (0,00005)**
Teste SAR 353,13 - -
P-Value 0,0000** - -
Fonte: Elaboração própria (2020). Nota: Os resultados apresentados são para regressões feitas através de mínimos
quadrados ordinários e mínimos quadrados em dois estágios. As colunas nomeadas como IV1 e IV2 indicam os
modelos que utilizaram variáveis instrumentais, em IV1 foi considerado que o coeficiente espacial (ρ) é endógeno,
já em IV2 foi considerado que tanto a variável, assim como o coeficiente espacial (ρ) são endógenos. Os erros
padrões reportados estão corrigidos para heterocedasticidade em cada uma das regressões feitas. A hipótese nula do
teste SAR é de que a correlação espacial não é evidente nos resíduos, uma vez que essa hipótese foi rejeitada,
podemos admitir que existe correlação espacial. (*) indica que o coeficiente estimado é significativo a 1%, (**) é
significativo a 5%, enquanto que (***) indica que é significativo a 10%.
Por outro lado, conforme a Tabela 3, quando analisamos os resultados para o

modelo de furtos, para os três exercícios econométricos propostos (OLS, IV1 e IV2), o
parâmetro estimado Taxa de furtos(t-1) se mostrou estatisticamente significante aos
níveis de 1% e 5%. Já os indicadores Saldo do emprego (geração de emprego formal),
Índice de Atividade Econômica e Custo da cesta básica se mostraram significantes aos
níveis de 1% e 5% apenas para os procedimentos IV1 e IV2. Por outro lado, o
parâmetro Coeficiente espacial (𝜌) só foi significante aos níveis de 1% e 5% quando
considerado o método OLS.
4.4 Efeitos da Vizinhança/Transbordamento
Para o coeficiente espacial (𝜌) – interpretado como o efeito médio da taxa de

roubos e de furtos referente à vizinhança espacial da região em questão, que neste
estudo são os bairros da capital cearense - este se mostrou significativo ao nível de
5% para os dois modelos, mas com efeitos opostos quando se considera as técnicas
econométricas aplicadas.
Além disso, este parâmetro se mostrou um fator de maior impacto no nível da

taxa de furtos (𝜌=0,54) quando comparado com a análise feita para incidência de
roubos (𝜌=0,49). Ainda assim, estes dois resultados podem mostrar que a influência
90
das taxas de roubos e de furtos dos vizinhos de primeira ordem tem em relação a
cada bairro é um fator significante e que o aspecto territorial (dependência e
heterogeneidade espacial)17 deve ser considerado na formulação das políticas
públicas de segurança local.
Como explicado anteriormente, a estimação por Máxima Verossimilhança

não é confiável, já que é um método assintótico, e requer que os erros sejam
normalmente distribuídos, e o teste não pode ser aplicado com precisão, logo se
utiliza a regressão MQ2E/2SLS. Novamente o Coeficiente espacial (𝜌) foi muito
significativo, a 5%, no entanto, apenas para a taxa de roubos, com um impacto
positivo, em média, da taxa de roubos dos vizinhos de primeira ordem de 𝜌=0,20 na
taxa de roubos do vizinho mais próximo.
4.5 Efeitos da Defasagem das Taxas de Roubos e Furtos
A partir das tabelas apresentadas, e com base nos resultados das estimações para
as taxas de roubos e de furtos, têm-se que as variáveis defasadas em um período (Taxa
de roubos(t-1) e Taxa de furtos(t-1)) se mostraram significativas ao nível de significância α
= 5%. Os valores dos coeficientes estimados da Taxa de roubos(t-1) e Taxa de furtos(t-1)
são, em média, aproximadamente de +0,57 e +0,33, respectivamente. Ou seja, em um
aumento de 1,00 unidade na taxa de ocorrências/casos de roubos e furtos para cada 10
mil habitantes com um mês defasados, em média, aumenta em 0,57 e 0,33 as taxas de
ocorrências de roubos e furtos nos bairros da capital de Fortaleza, o que mais uma vez
condiz com as afirmativas propostas no modelo de escolha racional de Becker (1968),
visto que o individuo avalia durante certo período se o custo do crime (aqui descrito
pelo nº de ocorrências de roubos e furtos) compensará os ganhos.
Estes resultados evidenciam, ou chamam a atenção, que conforme já

apresentados e analisados nos mapas 1 a 4, a expansão inicial das ocorrências de roubos
e de furtos nos bairros da cidade de Fortaleza nos últimos 10 anos, passa a se acelerar
nos períodos seguintes (dia, mês, bimestre, trimestre, ano), talvez motivadas por um
componente inercial, aos moldes do que já conhecemos na Economia, a “Inflação
Inercial”. Neste caso, este fenômeno denominado “Efeito Inercial do Crime” estaria
17. Para Anselin (2010) a heterogeneidade espacial é uma propriedade de um processo espacial cuja
média (ou "intensidade") varia de ponto a ponto. A dependência espacial é uma propriedade de um
processo estocástico espacial no qual os resultados em diferentes locais podem ser dependentes.
91
relacionada à reincidência de delitos, em parte devido à dificuldade que o sistema

judiciário possui, a partir do arcabouço legal, em punir de forma célere o criminoso
assim como todos os desafios existentes na sua recuperação para a sociedade.
Em contrapartida, o retorno cada vez maior obtido na atividade criminal vis-à-

vis a atividade legal, acaba por incentivar a sua permanência na atividade ilegal. Um
indivíduo ao se engajar nessa atividade acaba se especializando nesse segmento,
elevando assim o retorno de suas tarefas, aumentando portanto, o custo de oportunidade
de se dedicar a atividade legal. Sendo assim, há um conjunto de elementos que acabam
colaborando para que o indivíduo cada vez mais se engaje no mundo do crime. Este
efeito acaba se acumulando ano após ano, dificultando cada vez mais a atividade
repressora.
4.6 Efeitos do Mercado de Trabalho

Com relação aos efeitos conjunturais do mercado de trabalho/geração de
emprego formal, representado aqui pelo Saldo de emprego formal, seguiu a intuição
econômica, e a 5% de confiança, mostra que um aumento, digamos de 100 unidades
no estoque do saldo de emprego (isto é, geração de emprego), impacta
negativamente em média 0,20 e 0,10 pontos para redução da taxa de ocorrências de
roubo e furto, nessa ordem. Ou seja, conforme aumenta o número de pessoas
empregadas, diminui a taxa de crimes contra o patrimônio (roubos e furtos). Estes
resultados corroboram com a literatura, internacional e nacional, que analisam a
relação entre mercado de trabalho e criminalidade (em especial nível de
desemprego). Como esperado, o aumento no saldo de estoque de emprego formal
(população empregada) tem efeito negativo nas taxas de roubos e furtos, seguindo a
teoria de Ehrlich (1973), onde os agentes são levados a entrar no mercado de
atividades ilegais devido à ausência de oportunidades nos mercados lícitos.
Carvalho et al. (2017), partindo da vertente da economia do crime, buscaram

verificar a relação entre a criminalidade e o desemprego na cidade de Santarém/PA,
os impactos das variáveis defasadas de desligamentos e admissões na diminuição ou
aumento dos crimes de roubos e furtos, além de testar a possibilidade de tratar-se de
regressões espúrias. Foram coletados dados mensais de furtos e roubos obtidos pelo
Observatório Criminal do Tapajós (OBCRIT) e dados de admissões e
desligamentos capturados no CAGED no período de 2014 a 2015.
92
De acordo com os resultados dos autores, a quantidade de desligamentos e

admissões com defasagens foram significativas para explicar as variações dos
modelos de roubos e furtos. Para roubos, foram significativos furtos e
desligamentos com duas defasagens, sendo que o aumento de ambos implica em
aumento de roubos. Por outro lado, os furtos são influenciados por desligamentos
no mês atual e com três defasagens, com sinais positivos no modelo, indicando que
os aumentos implicam no aumento em furtos. Admissões com duas defasagens foi
significativo para o modelo, entretanto o aumento provoca redução em furtos. Os
resultados evidenciam que os indivíduos analisam o custo de cometer um crime,
com o indivíduo desempregado encontrando como opção o ato ilícito, assumindo o
risco inerente a ele (CARVALHO, et al., 2017).
Garcia Neto et al. (2017) buscaram analisar a taxa de crimes contra o

patrimônio por 100 mil habitantes dos municípios paulistas no ano de 2015.
Partindo da literatura existente sobre a Economia do Crime, eles acreditam que há
efeitos espaciais que influenciam esta variável. A Análise Exploratória de Dados
Espaciais (AEDE) confirmou a hipótese de que aspectos espaciais influenciam a
criminalidade nestes municípios. Os autores estimaram modelos econométricos
espaciais, no qual o Modelo de Erros Espaciais (SEM) foi o mais adequado para se
tratar deste problema. Todos os coeficientes das variáveis utilizadas apresentaram
significância estatística, sendo que a taxa da população empregada bem como as
outras variaveis utilizadas (população de jovens do sexo masculino e a proporção
de população analfabeta) tiveram efeito negativo na taxa de crimes contra o
patrimônio.
Oliveira e Costa (2019) buscaram analisar o comportamento dos registros de

crimes contra o patrimônio no município de Rio Grande ao longo do tempo e
identificar possíveis relações das trajetórias desse tipo de crime com as mudanças
econômicas em um ambiente quase experimental gerado pelas mudanças abruptas
ocorridas com a implementação do Polo Naval. Para esse fim, utilizaram-se do
referencial teórico da Economia do Crime e a metodologia de decomposição de
estruturas de séries de tempo com quebras estruturais estimadas com o uso do FK18. Os
resultados indicam a existência de quebras estruturais tanto em furtos, quanto em
18. Filtro de Kalman (FK) ou Kalman Filter (KF).

93
roubos, que podem estar associadas às mudanças geradas na economia em decorrência

da implementação do Polo Naval.
Ademais, os autores concluíram que existem evidências de um “efeito

motivação” em que a melhora nas condições econômicas, através de seus impactos na
renda, emprego e migração no município, foi capaz de gerar “efeitos dissuasórios” que
reduziram os crimes contra o patrimônio. Por fim, a principal conclusão e contribuição
dos autores é que a implementação do Polo Naval (renda, emprego e migração)
causaram quebras estruturais identificadas nas séries de crimes contra o patrimônio
registrados no município de Rio Grande, uma vez que há a coincidência de datas entre
as quebras estruturais identificadas a partir de critérios estatísticos, em especial para o
crime de furtos. No mais, todas estas evidências podem indicar que a dinâmica que
envolve as variáveis econômicas e dos crimes pode passar por um período de transição
(OLIVEIRA E COSTA, 2019).
Conforme salienta Carvalho et al. (2017), o desemprego, apresenta-se como

um problema social causador de instabilidade e sentimento de insegurança em
trabalhadores de todos os ramos e setores da atividade econômica. Ademais,
Santos (2008) elucida em seu estudo que acompanhando o desemprego tem-se, a
redução dos salários, a precarização das condições e relações de trabalho, além da
falta de estabilidades e garantias sociais. Enquanto, de acordo com Antunes
(2006), o trabalho que poderia constitui-se como um apaziguador da crise do
capital, proporcionando novas expectativas, se estabelece em uma poderosa
estrutura de desigualdade econômica, marginalizando, gradativamente os
indivíduos que se encontram em situação de desemprego.
Por fim, Farias e Barros (2011) ressaltam que este cenário acarreta uma
distância cada vez maior entre as classes sociais possuidoras das condições de
concorrência, daquelas excluídas do sistema econômico, abrindo caminhos para os
atos ilícitos que proporcionam aos indivíduos possibilidades de participação no
mundo consumista e reconhecimento social. Sendo assim, o trabalho, torna-se
pouco compensador, na medida em que não oferece meios para a obtenção de um
nível de vida almejado e imaginado, como de sucesso.
94
Desta forma, tal resultado pode-se deduzir que conforme propõe a teoria da
escolha racional que o indivíduo desempregado analisará o custo-benefício de
cometer uma infração, decidindo por esta se seu retorno financeiro for maior.
Além disso, estas evidências, conforme foi destacado no presente estudo, são
preponderantes na literatura nacional (PEREIRA E CARREIRA FERNANDEZ, 2000;
SANTOS, 2008; ARAÚJO JÚNIOR E SHIKIDA, 2010; SANTOS E KASSOUF,
2011; UCHÔA E MENEZES, 2012; ARCARO E OLIVEIRA, 2016; JOHNSTON E
OLIVEIRA, 2016; OLIVEIRA E COSTA, 2019) e internacional (REILLY E WITT,
1992; SMITH et al. (1992); GROGGER, 1998; PAPPS E WINKELMANN, 2000;
RAPHAEL E WINTER-EBMER, 2001; GOULD et al., 2002; MACHIN E MEGHIR,
2004; NARAYAN E SMYTH, 2004; MOCAN E BALI, 2010; EDMARK, 2005;
DONGIL, 2006).
Destarte, o que se pode observar é que nos modelos para ambos os crimes,
foram encontrados evidências do “efeito motivação” tanto para roubos quanto para
furtos, ou seja, uma melhora nas condições econômicas dos bairros da Capital de
Fortaleza via políticas públicas que formentem o aumento da renda e do emprego será
capaz de reduzir ambos os crimes patrimoniais.
4.7 Efeitos do Nível da Atividade Econômica
As estimativas por MQO/OLS para o indicador de atividade econômica

apresentou significância a um nível de 10% para roubos, enquanto não se mostrou
significante no caso de furtos. Por outro lado, quando se analisa os resultados para os
métodos IV1 e IV2 o nível de atividade econômica foi significativo apenas ao nível de
10%. Assim, um aumento, digamos de 1 unidades no Índice de Atividade Econômica
Regional do Ceará (isto é, expansão do desempenho dos setores da economia cearense),
impacta negativamente em média 8,94 pontos para redução da taxa de ocorrências de
roubos. Além disso, estes resultados destacam a existência de um “efeito oportunidade”,
que implica uma relação negativa entre criminalidade (no caso, ocorrências de roubos) e
nível de atividade econômica (muitas vezes representado pelo o nível de desemprego
local), na qual em um período de retração do desempenho dos setores da economia
cearense (aumento do desemprego), e conseguintemente redução da renda, há uma
redução no número de vítimas e nos valores monetários potenciais que podem ser
obtidos através de ações criminosas. Assim, quanto melhor a situação da economia,
95
menor a ocorrência de roubos (BRITT, 1994; FAJNZYLBER et al., 1998, 2001a,

2001b; MELICK, 2003; OLIVEIRA E COSTA, 2019).
Ademais existe também um “efeito motivação”, em que uma retração na

economia cearense (conseguintemente redução nos empregos no setor legal e na renda)
reduzem os custos de oportunidade de potenciais criminosos, aumentando as chances de
se optar por uma atividade ilegal (REILLY E WITT, 1992; GROGGER, 1998; PAPPS
E WINKEL-MANN, 2000; RAPHAEL E WINTER-EBMER, 2001; GOULD,
WEINBERG E MUSTARD, 2002; MACHIN E MEGHIR, 2004; EDMARK, 2005;
BRUSH, 2007; MADDAH, 2011).
O estudo realizado por Blasio (2016) buscou investigar a relação de causalidade

entre a situação econômica local italiana e os crimes cometidos na região. O autor
utiliza uma base de dados desagregada por região italiana. Os resultados encontrados,
após a utilização de procedimentos econométricos, sugerem que as ocorrências de
roubos na localidade analisada possuem uma correlação negativa com o declínio da
economia19, por exemplo, uma diminuição de 1% da atividade econômica leva a um
aumento de, aproximadamente, 0,45% desses crimes. Todavia, segundo o autor, crimes
que exigem uma maior quantidade de capital humano (um maior planejamento,
utilização de armas, etc.) não apresentam correlação significativa com a diminuição da
atividade econômica.
4.8 Efeitos da Perda do Poder de Compra das Famílias (custos da cesta básica)
As estimativas por MQO/OLS para o indicador custo da cesta básica foi

significante a 5% para as ocorrências de roubos, apresentando sinal negativo em seu
coeficiente, enquanto os casos de furtos, esse indicador não demonstrou relevância. Os
resultados para os métodos IV1 e IV2 também apresentaram diferenças nas
significâncias desta variável quando comparada as situações de incidências de roubos e
furtos. O custo da cesta básica não exibiu significância em ambos os modelos.
19. Ressalta-se que a Itália passou por uma acentuada crise econômica de 2007 a 2011, período em que o
nível de renda da população caiu.
96
4.9 Análise da função impulso-resposta (FRI): Capital, Região Oeste e Região

Leste
Além dos resultados já apresentados nas seções anteriores, esta se propõe

analisar os efeitos de choques na dinâmica espacial sobre o nível de roubos e furtos na
capital. As estimações realizadas pelas técnicas MQ2E/2SLS tiveram o intuito de
demonstrar como proceder a partir de um modelo de painel dinâmico de uma única
equação para estimações de funções de impulso resposta (FRI), pois é necessário
estimar as relações estruturais entre as variáveis para identificar as funções de impulso
resposta estruturais.
Considerando que a amostra utilizada neste estudo teve periodicidade mensal,

então a análise exposta a seguir tratará do comportamento, ao longo de 24 meses, de
roubos e furtos na cidade de Fortaleza, assim como nas Regiões Leste e Oeste da cidade
para um choque de 1% no Coeficiente espacial (𝜌), lembrando que este parâmetro pode ser
interpretado como o efeito médio da taxa de roubos referente à vizinhança espacial da
região em questão, que neste estudo são os bairros da capital cearense.
Examinando primeiro a situação para o comportamento da taxa do nº de

ocorrências de roubos em todo o território de Fortaleza (Figura 04), Região Leste (Figura
05) e Região Oeste (Figura 06), têm-se:
Figura 04: FRI para a taxa de roubos em Fortaleza/CE.

97
Figura 05: FRI para a taxa de roubos na Região Leste - Fortaleza/CE.

Figura 06: FRI para a taxa de roubos na Região Oeste - Fortaleza/CE.

98
Como apresentado pelas Figuras 04 a 06, tem-se que para a cidade de

Fortaleza, um choque de 1% na média da taxa de roubos dos vizinhos mais próximos
(Coeficiente espacial) movimenta as ocorrências de roubos positivamente, em todo o
território de Fortaleza, em 0,2%. Essa tendência segue em leve queda pelos próximos 10
meses, quando sofre uma queda mais acentuada, mantendo-se em uma variação entre
0,0 e 0,1% até o final dos 24 meses analisados.
Para os bairros localizados na Região Leste, o impacto é um pouco menor,

elevando a ocorrência de roubos em 0,15% inicialmente. Este movimento (tendência)
segue-se por 13 meses, quando ocorre uma leve queda, mantendo-se entre 0,0 e 0,1% ao
longo dos 24 meses (2 anos). Finalmente, para os bairros situados na Região Oeste,
pode-se observar um impacto inicial muito mais acentuado de 0,3%, decaindo após 11
meses e se mantendo próximo a 0,2% ao longo do período em estudo.
Com isso, temos que os bairros localizados na Região Oeste apresentam uma
sensibilidade muito maior a choques na média da taxa de roubos dos seus vizinhos
mais próximos do que os bairros situados na outra região em análise. Todas estas
evidências corroboram com as estimações do modelo de painel dinâmico espacial para a
taxa de roubos (IV1/IV2), onde o coeficiente espacial (𝜌) foi significante ao nível de
5%, com um impacto positivo da taxa média de roubos dos vizinhos mais próximos,
isto é, de 𝜌=0,20.
Um estudo do comportamento da função impulso resposta também foi feito

para a taxa de ocorrências de furtos na metrópole cearense, considerando também a
mesma divisão geográfica utilizada na análise das ocorrências de roubos (cidade de
Fortaleza, Regiões Leste e Oeste). Os resultados encontrados são exibidos nas Figuras
07 a 09.
Para a capital cearense como um todo, observa-se que um choque de 1% no

Coeficiente espacial (𝜌), impacta positivamente as ocorrências de furtos em toda região,
tendo aumento inicial de 0,15%, se mantendo entre 0,1% e 0,2% ao longo dos 24 meses
com baixa variabilidade.
99
Figura 07: FRI para a taxa de furtos – Fortaleza/CE.

Figura 08: FRI para a taxa de furtos na Região Leste – Fortaleza/CE.

100
Figura 09: FRI para a taxa de furtos na Região Oeste - Fortaleza/CE.

Já a Região Leste apresentou um comportamento mais atípico dentre os casos

analisados, com impacto negativo ligeiramente abaixo de zero, mantendo-se entre 0 e -
0,1% ao longo dos primeiros 18 meses, quando ocorre uma escalada, tendo seu valor
estabilizado em zero ao fim do período analisado. Por último, a Região Oeste apresenta
um alto impacto na atividade de furtos, elevando-se para 0,3% inicialmente, se
mantendo no intervalo de 0,2% e 0,4% até o penúltimo mês do estudo, quando aparenta
decrescer.
Desta forma, tanto para roubos quanto para furtos, os bairros pertencentes à
Região Oeste se apresentaram mais sensíveis à choques ocorridos no coeficiente
dinâmico espacial (mudanças na dinâmica da taxa média de roubos e furtos ao longo do
tempo). Também é importante apontar que no caso de furtos, a Região Leste apresentou
até mesmo um comportamento inversamente proporcional ao choque, indicando que a
variável em estudo atua diferentemente em razão da região analisada.
Comparando os resultados obtidos pelas funções impulso resposta com os

resultados de outros estudos, temos que Guerra (2016) utilizando modelos espaciais
para medir o comportamento de roubos, disparos com armas de fogo, homicídios e
agressões na cidade de Fortaleza, encontrou que setores censitários adjacentes aos mais
101
ricos se beneficiavam com menores taxas de roubos, corroborando com o

comportamento discrepante encontrado na análise entre as Regiões Leste e Oeste da
cidade de Fortaleza.
Outro ponto importante, assunto pertinente de outros estudos, é a correlação

entre regiões com maior número de habitações subnormais e índices de violência.
Medeiros et al. (2013) que, através de um modelo espacial, conseguiu estabelecer
correlação entre os dados georreferenciados dos homicídios de Fortaleza e a presença de
favelas na região. Apesar de tratar de homicídios, e não de roubos e furtos como o
trabalho aqui exposto, é um indicativo de que ações delitivas possuem uma relação mais
acentuada em regiões mais humildes.
Resultados esses semelhantes aos encontrados por Oliveira (2019) que através
de regressões espaciais encontrou uma relação entre crimes violentos envolvendo
homicídios, roubos e lesão corporal com bairros mais pobres, possuindo efeito spillover
para bairros mais próximos que estejam em condições semelhantes, inferindo então que
a ausência de desenvolvimento local pode expor determinadas regiões à violência.
Assim, todos estes resultados podem evidenciar que a influência da média

das taxas de roubos e de furtos entre bairros adjacentes é um fator significante, e
que os aspectos territoriais (dependência e heterogeneidade espacial) devem ser
considerados na formulação das políticas públicas de segurança local. Os números
aqui apresentados servem de ferramenta para a tomada de decisão e avaliação da
eficiência e eficácia bem como do custo-benefício de distintas Políticas Públicas de
Segurança implementadas nos últimos 10 anos.
Por fim, apesar dos bons resultados encontrados, o estudo ainda carece de
melhorias metodológicas, como por exemplo, o modelo aqui estimado. De acordo com
Shen e Pag (2017) a metodologia utilizada por Brady (2011), por um engano, não
rejeita a hipótese nula do teste SAR, LM estatístico, de que há os resíduos não são
correlacionados espacialmente. Uma vez que o modelo utilizado por Brady teria
autocorrelação espacial no termo de erro, o modelo evidenciado pela negação da
hipótese nula no trabalho de Brady seria um SAR-AR. Dessa forma, Brady (2011) ao
falhar em encontrar autocorrelação espacial no termo de erro pode ter causado apenas
uma perda de eficiência podendo ainda ser considerada a estimação do modelo.
102
O avanço da Violência & Criminalidade (V&C) na capital cearense nos últimos

10 anos, é potencializado à medida que a cidade teve um dos maiores aumentos no país
da população jovem (15 a 24 anos de idade) em relação a sua população total, o que
naturalmente reforça os indicadores nessa área. Ou seja, a própria dinâmica da
população na cidade de Fortaleza contribui para o aumento dos indicadores na
megalópole relativa a outras capitais nos últimos anos. Ademais, entre as cidades mais
populosas do país, Fortaleza (5ª no ranking nacional) tem a mais alta informalidade
além de apresentar também o mais baixo rendimento formal. É evidente que esses
elementos não são as causas principais do problema, mas tomados em conjunto
contribuem para seu aprofundamento, segundo estudos de Medeiros et al. (2015).
Este estudo teve como objetivo analisar o comportamento das ações delituosas
envolvendo as ocorrências de roubos e furtos a partir de mudanças em variáveis
macroeconômicas e espaciais através de um modelo econométrico espacial dinâmico
para a cidade de Fortaleza utilizando tanto o modelo de Mínimos Quadrados Ordinários
(MQO), quanto o modelo de Mínimos Quadrados em Dois Estágios (MQ2E) que
também foi útil para a análise de função impulso resposta.
Os principais resultados apontaram que para roubos, ao compararmos os dois

modelos, existe uma diferença na significância do custo da cesta básica, não sendo uma
variável impactante quando são utilizadas variáveis instrumentais. Já o índice de
atividade econômica apresentou comportamento positivo na abordagem MQO/OLS e
negativo na abordagem IV1/IV2. Já para furtos, a abordagem MQO/OLS considerou
apenas o regressor espacial e a variável dependente defasada como significantes para
alterar o comportamento criminoso.
A análise de impulso resposta foi feita voltada para as regiões leste e oeste da
cidade de Fortaleza, assim como a cidade em sua totalidade. Os resultados foram
similares para roubos e furtos, mostrando que um choque no coeficiente espacial possui
um impacto positivo mais significativo na região oeste da cidade quando comparada
com a região leste, corroborando com outros trabalhos que utilizaram análise espacial
para investigar o comportamento da criminalidade sobre diferentes regiões da metrópole
cearense.
103
Apesar do esforço crescente do Governo do estado do Ceará nos últimos dez

anos em oferecer uma segurança pública digna para sua população, parece não ter sido
ainda suficiente para atenuar o fenômeno da criminalidade. Na verdade, muitas questões
que contribuem para o agravamento do problema, estão além de sua esfera de atuação.
Nesse sentido, a estratégia adequada seria de alguma forma quebrar a inércia existente,
o que para tanto seria necessária se estabelecer uma conjunção de esforços conjuntos no
Ceará entre as prefeituras, governo estadual, poder judiciário e legislativo e órgãos
federais, na forma talvez de um pacto, em enfrentar essas questões nas suas diversas
dimensões.
Apesar do consenso de que um policiamento mais intensivo inibe a V&C, as

suas causas fundamentais são estruturais e ligadas às oportunidades e condições de vida
dos indivíduos. As altas taxas de desemprego, os baixos salários, despesas reais em
termos per capita com segurança pública, escolaridade média, a elevada desigualdade
de renda, uma alta densidade demográfica e a pobreza são apenas alguns dos fatores que
justificam a criminalidade crescente e cada vez mais violenta nos municípios cearenses,
e em especial nos bairros da capital de Fortaleza.
A influência desses fatores, entretanto, pode se modificar, já que os criminosos

tendem a adquirir experiência ao longo do tempo, tornando-se, consequentemente, mais
eficientes. Nesse sentido, assim como há em atividades legais, há também na
criminalidade um tipo de “learning-by-doing”, como apontam vários especialistas que
estudam a relação entre economia e criminalidade. Essa possibilidade tem sido a
principal justificativa econômica dada para a existência do que tem sido referenciado
por “Efeito Inercial do Crime” na criminalidade, o que faz bastante sentido do ponto de
vista teórico (GROGGER, 1995; ANDRADE E LISBOA, 2000; FAJNZYLBER E
ARAÚJO JÚNIOR, 2001; ARAÚJO JÚNIOR E FAJNZYLBER, 2001; GUTIERREZ,
2004; KUME, 2004; ALMEIDA et al. 2005; BUANANNO E LOENIDA, 2005;
JACOB, LEFGREN E MORETTI, 2007; SANTOS, 2009; RESENDE E ANDRADE,
2011; ODON, 2016; 2018).
A análise da evolução temporal das taxas de roubos e furtos e do saldo de

emprego/geração de emprego formal mostra um “Efeito Inercial do Crime”, ou seja,
muitos dos que optam ou são empurrados para a criminalidade acabam nela
permanecendo mesmo quando as condições adversas já cessaram ou diminuíram
104
razoavelmente. O efeito residual da V&C cria, aos poucos, uma geração perdida, que
não deixará o crime mesmo que se estanquem imediatamente o desemprego e a
deterioração nos níveis de renda. A permanência na criminalidade teria raízes nos
ganhos auferidos com as ações criminosas e no grau de envolvimento com o crime,
atividade na qual, muitas destas pessoas em algum momento da vida, encontraram a
única forma de subsistência.
Atuar na criminalidade em um período implica menores retornos esperados

em atividades legais nos próximos períodos e, portanto, menores custos de
oportunidade de cometer crimes, o que também justificaria a inércia criminal, segundo
Buananno e Loenida (2005). O fato de a maioria dos crimes não serem efetivamente
punidos conduz a uma generalizada sensação de inpunidade, implicando redução do
risco esperado em atuar na criminalidade, o que faz aumentar a utilidade esperada do
crime e, portanto, incentiva o ato criminoso.
Além disso, não é novidade que ex-condenados têm menos oportunidades no

mercado de trabalho legal e menores expectativas salariais, o que pode conduzir à
reincidência no mundo do crime e, portanto, justificar parcialmente a existência desse
efeito dinâmico na criminalidade (GROGGER, 1995; ANDRADE E LISBOA 2000;
ARAÚJO JÚNIOR E FAJNZYLBER 2001; FAJNZYLBER E ARAÚJO JÚNIOR
2001; GUTIERREZ et al., 2004; KUME 2004; ALMEIDA et al., 2005; RESENDE E
ANDRADE, 2011). Dentre as melhoras nos indicadores criminais no Ceará, em
especial na capital de Fortaleza, podemos notar que a compreensão mais aprofundada
da cidade permite a prevenção e o melhor combate à violência.
Este estudo serve de reflexão para a importância das políticas públicas

tomadas nos últimos 5 anos e entender um pouco das diferenças regionais da capital
quanto à criminalidade. Dado os casos das relações “conflituosas entre as facções” e a
falta de uma política mais efetiva e eletiva, a tendência geral da criminalidade no Ceará
é de crescimento dessas ocorrências nos anos seguintes, o que demanda políticas e
ações de enfrentamento de curto prazo do poder público como, por exemplo, a
expansão de novos investimentos em infraestrutura policial, Pesquisa e
Desenvolvimento (P&D) em áreas correlatas à violência. Alavancar cada vez mais a
participação direta das organizações da sociedade civil bem como uma maior coesão
social.
105
6. CONCLUSÕES GERAIS
Atualmente a Violência & Criminalidade (V&C) ocupam um lugar central no

cotidiano das grandes cidades. No estado do Ceará e, mais especificamente na cidade de
Fortaleza, não poderia ser diferente. Mas, entender de fato, os fatores exógenos e
endógenos, desta expressão e de que modo ela explica um conjunto amplo de ações
sociais consideradas indesejadas e dignas de punição legal e social para a socidedade, é
de suma importância.
O fenômeno da V&C é carregado de percepções falsas ou verdadeiras e de

julgamentos sociais. Neste estudo, a V&C é entendida como algo que é construído
social e culturalmente. Isto é, varia no tempo, no espaço, de sociedade para sociedade e
de cultura para cultura. Vale apenas ressaltar, que nem tudo que é classificado como
prática violenta pode ser considerado realmente violência ou ato criminoso.
Esta tese buscou aprofundar os conhecimentos acerca da criminalidade no

Ceará, na cidade de Fortaleza e nos 113 bairros híbridos que os compôem, assunto de
grande relevância, haja vista a disparada das suas taxas de homicídio, roubos e furtos
nos últimos onze anos. O fenômeno da V&C foi estudado de forma a responder três
principais questionamentos:
 A dinâmica na relação causal, à la Granger, entre os

indicadores macroeconômicos e V&C mudaram ao
longo dos últimos anos?
 As instabilidades macroeconômicas ocorridas ao longo
dos últimos 11 anos no Ceará, foram capazes de gerar
“efeitos dissuasórios” que impactassem a trajetória da
dinâmica/tendência da V&C no estado?
 As condições macroeconômicas puderam explicar os
transbordamentos espaciais da V&C entre os bairros da
capital de Fortaleza?
Em relação ao primeiro questionamento - “a dinâmica na relação causal à lá

Granger” - foi constatada que os efeitos de uma política econômica, têm efeitos
nocivos sobre a dinâmica da relação causal entre criminalidade (homicídios, roubos e
106
furtos) e condições sociais e econômicas do Ceará. Esses resultados corroboram com as

estimativas obtidas por Kume (2004), as quais permitem concluir que o grau de
crescimento econômico do período gera um efeito, positivo ou negativo, sobre a taxa de
criminalidade do período presente. Diante das evidências apresentadas, verifica-se que
no Ceará a tendência da V&C e condições sociais e econômicas local, nos últimos 11
anos, caminham juntas, lado a lado, a crescente insatisfação social dos cidadãos
cearenses, principalmente decorrente de baixos salários ou a falta de emprego,
desigualdade de renda, pobreza extrema, acesso à educação de qualidade bem como
taxas expressivas de crescimento econômico estão colaborando para aumentos dos
crimes contra a vida (no caso homicídio doloso, latrocínio, lesão corporal seguido de
morte, denominados de crimes de CVLI), crimes contra o patrimônio (no caso, os
diversos tipos de roubos e furtos).
Em relação ao segundo questionamento - “as instabilidades macroeconômicas

ocorridas ao longo dos últimos onze anos no Ceará, foram capazes de gerar “efeitos
dissuasórios” que impactassem a trajetória da dinâmica/tendência da criminalidade no
estado” - a partir de um modelo TVP-FAVAR foi construído um índice que refletisse as
condições macroeconômicas do estado, denominado Índice de Perfomance
Macroeconômica (IPM). Em seguida, aplicou-se o método DMA, com o objetivo de escolher
o melhor modelo de previsão para a V&C em cada período, considerando assim, todas as
possíveis combinações das séries econômicas utilizadas. Por fim, foram calculadas as funções
impulso-resposta para analisar os impactos dos choques nesse índice sobre a tendencia da
criminalidade. Os resultados das análises dos fatores macroeconômicos que contribuíram, em
certa magnitude, nas causas e fenômenos relativos à V&C se mostraram eficientes e eficazes.
Além disso, se mostraram evidentes para explicar em certa medida a propagação de seus efeitos
temporais nos eventos criminosos que os procedem.
Finalmente, em relação ao último questionamento - “as condições sociais e

econômicas puderam explicar os transbordamentos espaciais da criminalidade entre os
bairros da capital de Fortaleza”- foi constatada que as taxas de roubos e furtos em
determinado bairro não é um fenômeno isolado. Ao contrário, depende de suas
condições macroeconômicas dos bairros geograficamente próximos.
107
REFERÊNCIAS BIBLIOGRÁFICAS
ABRAS, L. de L. H.; ARAUJO JUNIOR, A. F. de; SHIKIDA, C. D.; e SHIKIDA, P. F.

A. Mais armas, menos crimes? Uma análise econométrica para o estado de Minas
Gerais. Rev. Ciênc. Empres. UNIPAR, Umuarama, v. 15, n. 1, p. 5-24, jan./jun; 2014.
ADEKOYA, A. F.; e RAZAK, N. A. A. Effect of Crime on Poverty in Nigeria.

Romanian Economic and Business Review. Vol.11, number 2, pp. 29-42; 2016.
ALMEIDA, E. S.; HADDAD, E. A.; e HEWINGS, G. J. D. The spatial

pattern of crime in Minas Gerais: An exploratory analysis. Economia
Aplicada, 9 (1) : 39–55; 2005.
ANDRADE, M. V.; e LISBOA, M. B. Desesperança de vida: Homicídio em Minas

Gerais, Rio de Janeiro e São Paulo no período 1981/97. In Henriques, R., editor,
Desigualdade e Pobreza no Brasil, p. 347-384. IPEA, Rio de Janeiro; 2000.
ANDRESEN, M. A. Crime measures and the spatial analysis of criminal activity.

British Journal of criminology, v. 46, n. 2, p. 258-285; 2005.
AKINSOLA, A.; e ODHIAMBO, N. M. The impact of financial liberalization on

economic growth in sub-Saharan Africa. Cogent Economics & Finance; 2017.
ANSELIN, L. Chapter 4: Spatial econometrics. In: A companion to theoretical

econometrics, Book Edited by Badi H. Baltagi, Blackwell Publishing Ltd, 2003.
ANSELIN, L.; BALLER, R. D.; MESSNER, S. F.; DEANE, G.; e HAWKINS, D. F.

Structural covariates of US county homicide rates: Incorporating spatial
effects. Criminology, v. 39, n. 3, p. 561-588; 2001.
ANSELIN, L.; COHEN, J.; COOK, D.; GORR, W.; e TITA, G. Measurement and
analysis of crime and justice. Criminal justice, v. 4, n. 2, p. 213-262, 2000.
ANSELIN, L.; e BERA, A. K. Spatial Dependence in linear Regression Models with

an Introduction to Spatial Econometrics. In: Handbook of Applied Economic
Statistics, A. Ullah and D.E.A. Giles, Eds., Marcel Dekker, NY/USA, pp. 237-289;
1998.
ANTUNES, R. Os sentidos do trabalho: ensaio sobre a afirmação e a negação do

trabalho. São Paulo: Boitempo Empresarial; 2006.
ANWAR, A.; ARSHED, N.; e ANWAR, S. Socio-Economic Determinants of Crime:

An Empirical Study of Pakistan. International Journal of Economics and Financial
Issues 7 (2017): 312-322; 2017.
108
ARAÚJO JÚNIOR, A.; e FAJNZYLBER, P. O que causa a criminalidade

violenta no Brasil? Uma análise a partir do modelo econômico do crime:
1981 a 1996. Texto de Discussão, nº 162. Universidade Federal de Minas
Gerais, CEDEPLAR, Belo Horizonte; 2001.
ARAÚJO JÚNIOR, A. F.; e SHIKIDA, C. D. Recessões e recuperações na atividade

econômica: mesmo efeito sobre a criminalidade? Revista de Economia &
Tecnologia, v. 22, p. 47-52; 2010.
ARCARO, D. A.; e OLIVEIRA, C. A. Efeitos de dissuasão do mercado de trabalho

sobre o crime na região metropolitana de Porto Alegre. Economic Analysis of Law
Review, v. 7, n. 2, p. 577-597; 2016.
AUER, S. A Financial Conditions Index for the CEE economies. Bank of Italy,
Directorate General for Economics, Statistics and Research; 2017.
BANDYOPADHYAY, S.; HAN, L.; e BHATTACHARYA, S. Determinants of

Violent and Property Crimes in England and Wales: A Panel Data Analysis.
October 13; 2010.
BANERJEE, A.; MARCELLINO, M.; e MASTEN, I. Forecasting macroeconomic

variables using diffusion indexes in short samples with structural change. CEPR
Discussion Papers 6706, C.E.P.R; 2008.
BARCELLOS, O.; e PEREZ, R. T. A dinâmica da criminalidade brasileira entre a

exclusão social e o crescimento econômico. Perspectiva Econômica, v. 5, n. 2, p. 92-
112, jul./dez.; 2009.
BATES, B. J.,; PLAGBORG-MØLLER, M.; STOCK, J. H.; e WATSON, M. W.

Consistent factor estimation in dynamic factor models with structural instability.
Journal Economic, 177, p. 289-304; 2013.
BATELLA, W. B.; DINIZ, A. M. A.; e TEIXEIRA, A. P. Explorando os

determinantes da geografia do crime nas cidades médias mineiras. Revista de
Biologia e Ciências da Terra. V. 8, n. 1, jan. / jul. 2008.
BEATO, C. C. Determinantes da criminalidade em Minas Gerais. Revista Brasileira

de Ciências Sociais, v.13, n. 37, jun. 1998.
BEATO, C. C.; e REIS, I. A. Desigualdade, desenvolvimento socioeconômico e

crime. Desigualdade e pobreza no Brasil. Rio de Janeiro/RJ: IPEA; 2000.
BECKER, G. S. Crime and Punishment: An Economic Approach. Journal of

Political Economy, v. 76, n. 2, p. 169-217; 1968a.
109
_______. Crime and punishment: An economic approach. In: The economic

dimensions of crime. Palgrave Macmillan, London, p. 13-68; 1968b.
BECKER, K. L. Uma analise econômica da relação entre a educação e a violência.

Tese de doutorado. ESALQ/USP. Piracicaba; 2012.
BLASIO, G.; MAGGIO, G.; e MENON, C. Down and out in Italian towns:
Measuring the impact of economic downturns on crime. Economic Letters, v. 146, p.
99-102; 2016.
BOURGUIGNON, F. Crime, Violence and Inequitable Development. Anual World

Bank Conference on Development Economics, April; 1999.
BRADY, R. R. Measuring the diffusion of housing prices across space and over
time. Journal of Applied Econometrics, v. 26, n. 2, p. 213-231; 2011.
BREITUNG, J.; e EICKMEIER, S. Testing for structural breaks in dynamic factor

models. Journal Economic, 163 (1), p. 71–84; 2011.
BRONFENBRENNER, U. A ecologia do desenvolvimento humano:
experimentos naturais e planejados. Porto Alegre: Artes Médicas, 1996.
(Originalmente publicado em 1979).
BRUSH, J. Does income inequality lead to more crime? A comparison of cross-

sectional and time series analyses of United States counties. Economic Letters, 96,
264-268; 2007.
BUANANNO, P.; e LOENIDA, L. Criminal activity and education: Evidence from

Italian regions. Quaderni di ricerca del Dipartimento di Economiche “Hyman P.
Minsky”; 2005.
BUONANNO, P. The socioeconomic determinants of crime. A review of the

literature; 2003.
BURSIK JR., R. J. Social disorganization and theories of crime and delinquency:

Problems and prospects. Criminology, v. 26, n. 4, p. 519-552; 1988.
CAHILL, M.; e MULLIGAN, G. Using geographically weighted regression to

explore local crime patterns. Social Science Computer Review, v. 25, n. 2, p. 174-
193; 2007.
CALDEIRA, J. F.; MOURA, G. V.; e SANTOS, A. A. P. Previsões Macroeconômicas

Baseadas em Modelos TVP-VAR: Evidências Para o Brasil. Revista Brasileira de
Economia (RBE), v.69 n.4, p. 407-428, Out-Dez de 2015, Rio de Janeiro; 2015.
110
CANO, I.; e SANTOS, N. Violência letal, renda e desigualdade no Brasil. Rio de

Janeiro/RJ: 7 Letras; 2001.
CANO, I.; e SOARES, G. D. As teorias sobre as causas da criminalidade. Rio de

Janeiro/RJ: IPEA; 2002.
CANTOR, D.; e LAND, K. C. Unemployment in crime rates I post World War II

United States: a theoretical and empirical analysis. American Sociological Review,
50, 317- 332; 1985.
CARDIA, Nancy; ADORNO, S.; e POLETO, F. Homicídio e violação de direitos

humanos em São Paulo. Estudos Avançados, São Paulo, v. 17, n. 47, 2003.
CARMICHAEL, F.; e WARD, R. Male unemployment and crime in England and

Wales. Economics Letters, 73, 111-115; 2001.
CARRIERO, A. et al. Measuring uncertainty and its impact on the economy. NBER
Summer Institute, Federal Reserve Bank of Cleveland, SBIES conference in
Philadelphia, Economic and Social Research Council, 2017.
CARRIERO, A.; KAPETANIOS, G.; e MARCELLINO, M. Forecasting government

bond yields with a large bayesian Vector Autoregressions. Journal of Banking &
Finance, 36(1), 2026–2047; 2012.
_______. Forecasting exchange rates with a large bayesian VAR. International

Journal of Forecasting, 25(2), 400-417; 2009.
CARVALHO, B. N.; LOBATO, T. C.; CARVALHO, A. V.; e GUIMARÃES, J. L. C.

Relação da criminalidade com os índices de desemprego: um estudo de caso.
ENCICLOPÉDIA BIOSFERA, Centro Científico Conhecer - Goiânia, v.14 n.25; p.
1804; 2017.
CERQUEIRA, D. R. C.; e MELLO, J. M. P. Menos Armas, Menos Crimes. Texto

para Discussão nº 1721; Instituto de Pesquisa Econômica Aplicada (Ipe); 2012.
CERQUEIRA, D. R. C.; e MOURA, R. L. O efeito das oportunidades do mercado de

trabalho sobre as taxas de homicídios no Brasil. In: ENCONTRO NACIONAL DE
ECONOMIA, 43., Florianópolis. Anais. Florianópolis: Anpec; p. 1-20; 2015.
CERQUEIRA, D. R. C. Causas e consequências do crime no Brasil. Tese

(Doutorado) - Pós-Graduação em Economia da Pontifícia Universidade Católica do Rio
de Janeiro, PUC-Rio, Rio de Janeiro; 2010.
111
CERQUEIRA, D. R. C.; CARVALHO, A.; LOBÃO, W.; e RODRIGUES, R. Análise

dos custos e consequências da violência no Brasil. Texto para Discussão nº 1284;
Instituto de Pesquisa Econômica Aplicada (IPEA); 2007.
CERQUEIRA, D. R. C.; e LOBÃO, W. Criminalidade, ambiente socioeconômico e

polícia: desafios para os governos. Revista de Administração Pública - RAP | Rio de
Janeiro 38 (3): 371-99, Maio/Jun; 2004.
_______. Determinantes da criminalidade: arcabouços teóricos e resultados

empíricos. DADOS-Revista de ciências sociais, v. 47, n. 2, p. 233-269; 2003.
_______. Condicionantes sociais, poder de polícia e o setor de produção criminal.

Brasília/DF: IPEA; 2002.
CHALFIN, A.; e MCCRARY, J. Criminal deterrence: A review of the literature.

Mimeo, 2014.
CHEN, S. W. Investigating causality among unemployment, income and crime in

Taiwan: evidence from the bounds test approach. Journal of Chinese Economic and
Business Studies, 7:1, 115-125; 2009.
CHIU, W.H.; e MADDEN, P. Burglary and income inequality. Journal of Public

Economics. Volume 69, Issue 1, 1 July 1998, p. 123-141.
CHOE, J. Income inequality and crime in the United States. Economic Letters, 101,
p. 31-33; 2008.
CNI - Confederação Nacional da Indústria. Segurança Pública: A Importância da

Governança. Brasília: CNI, 70 p.; v. 03; 2018.
COELHO, E. C. A criminalidade urbana violenta. Revista de Ciências Sociais, Rio de

Janeiro/RJ: Iuperj; 1988.
COHEN, L. E.; e FELSON, M. Social change and crime rate trends: A routine
activity approach. American sociological review, v. 44, n. 4, p. 588-608; 1979.
COOMER, N. America’s underclass and crime: The influence of macroeconomic

factors. Issues in Political Economy, Volume 12; 2003.
DANTAS, R. F. Segurança Pública: Um Novo Modelo de Metas e Premiações.

Textos para Discussão, nº 106, Instituto de Pesquisa e Estratégia Econômica do Ceará
(IPECE); 37 pág., Junho; 2014.
112
DAVIS, E. P. et al. The Estimation of Financial Conditions Indices for the Major
OECD Countries. OECD - Economics Department/Working Papers, No. 1335, OECD
Publishing, Paris; 2016.
DEBARSY, N.; e ERTUR, C. Testing for spatial autocorrelation in a fixed effects

panel data model. Regional Science and Urban Economics, 40(6), 453–470; 2010.
DETOTTO, C.; & OTRANTO, E. Cycles in crime and economy: Leading, lagging
and coincident behaviours. Journal of Quantitative Criminology, 28; p. 295-317;
2012.
DONGIL, K. The effects of economic conditions on crimes. Development and

Society, v. 35, n. 2, p. 241-250; 2006.
DOS SANTOS, L.; e JUNIOR, A. A. R. Análise espacial de dados geográficos: a

utilização da Exploratory Spatial Data Analysis (ESDA) para identificação de áreas
críticas de acidentes de trânsito no município de São Carlos (SP). Sociedade &
Natureza, v. 18, n. 35, p. 97-107; 2006.
EDMARK, K. Unemployment and crime: is there a connection? Scandinavian

Journal of Economics, v. 107, p. 353-373; 2005.
EHRLICH, I. On the Usefulness of Controlling Individuals: An Economic Analysis

of Rehabilitation, Incapacitation and Deterrence. American Economic Review
71(3): 307 -322; 1981.
_______. The deterrent effect of capital punishment: A question of life and death.
American Economic Review 65, 397-417; 1975a.
_______. On the relation between education and crime. In: F.T. Juster, ed.,
Education, Income and Human Behavior, McGraw-Hill, New York; 1975b.
_______. Participation in Illegitimate Activities: A Theoretical and Empirical

Investigation. Journal of Political Economy 81, 521-565; 1973.
_______. The Supply of Illegitimate Activities. Unpublished manuscript, Columbia

University; 1967.
ELHORST, J. P. Applied spatial econometrics: raising the bar. Spatial Economic

Analysis, 5(1), 9-28; 2010.
FAJNZYLBER, P.; e ARAÚJO JÚNIOR, A. Violência e criminalidade. In Lisboa, M.

B. & Menezes Filho, N. A., editors, Microeconomia e Sociedade no Brasil, pages 333–
394. Contra Capa, Rio de Janeiro; 2001.
113
FAJNZYLBER, P.; LEDERMAN, D.; e LOAYZA, N. What Causes Violent Crime?

European Economic Review, forthcoming; 2001a.
_______. Inequality and ViolentCrime? Journal of Law and Economics, forthcoming;

2001b.
_______. Crimen y Violencia em America Latina. Alafaomega, Bogotá; 2001c.
_______. Crime and Victimization: an Economic Perspective. Economia 1, Fall;

2000.
_______. Determinants of Crime Rates in LatinAmerica and the World.

Viewpoints. The World Bank, Washington, DC; 1998.
FARIA, J. R.; OGURA, L. M.; e SACHSIDA, A. Crime in a planned city: The case
of Brasília. Cities, v.32, p. 80-87; 2013.
FARIAS, A. A. C.; e BARROS, V. A. Tráfico de drogas: uma opção entre escolhas

escassas. Psicologia & Sociedade, 23(3), 536-544; 2011.
FARIAS, C. A.; FIGUEIREDO, A. M. ; e DE LIMA, J. E. Dependência espacial e

análise de agrupamento de municípios para diferentes tipos de crime em Minas
Gerais. Revista Reuna, v. 13, n. 3; 2008.
FERREIRA, D.; e PALMA, A. A. Forecasting inflation with the phillips curve: A

dynamic model averaging approach for Brazil. Revista Brasileira de Economia,
SciELO Brasil, v. 69, n. 4, p. 451–465; 2015.
FIRJAN - Federação de Indústrias do Estado do Rio de Janeiro. Quanto custa o roubo

e o furto de cargas no Brasil. Texto para Discussão/Ambiente de Negócios. Pesquisa e
Estudos Socioeconômicos. Publicações FIRJAN, Março/2017 e Janeiro/2018; 2018.
FLEISHER, B. The effect of income on delinquency. American Economic Review,

56: p. 118-137; 1966.
FLORES, M.; e RODRIGUEZ-OREGGIA, E. Spillover Effects of Homicides across

Mexican Municipalities: A Spatial Regime Model Approach. MPRA Paper No.
56507, posted 18 June; 2014.
FREEMAN, R. B. Crime and the Job Market. National Bureau of Economic.

Research Working Paper 4910 | Cambridge, Massachusetts/USA; 1994.
GARCIA NETO, A. S. G.; SIMÃO, C. H. M.; MACHADO, T. P.; e PARRÉ, J. L.

Análise espacial dos crimes contra o patrimônio no Estado de São Paulo. I
Congress Latin American and Caribbean Reginal Science Association International. XV
114
Encontro Nacional da Associação Brasileira de Estudos Regionais e Urbanos. São

Paulo; 2017.
GAULEZ, M. P.; e MACIEL, V. F. Determinantes da criminalidade no estado de

São Paulo: Uma análise espacial de dados em cross-section. Anais do XLIII Encontro
Nacional de Economia 2016, ANPEC - Associação Nacional dos Centros de Pós-
Graduação em Economia; 2016.
GIBBONS, S.; e OVERMAN, H. G. Mostly pointless spatial econometrics? Journal

of Regional Science, 52(2), 172–191; 2012.
GILLANI, S. Y. M.; REHMAN, H. U.; e GILL, A. R. Unemployment, poverty,

inflation and crime nexus: Cointegration and causality analysis of
Pakistan. Pakistan Economic and Social Review, p. 79-98; 2009.
GOULD, E. D.; WEINBERG, B. A.; e MUSTARD, D. B. Crime rates and local labor
market opportunities in the United States: 1979-1997. Review of Economics and
Statistics, v. 84, n. 1, p. 45-61; 2002.
GRANGER, C. Investigating causal relations by econometric models and cross-

spectral methods. Econometrica 37, p. 424-438; 1969.
GRIFFITHS, E. Race, space, and the spread of violence across the city. Social
Problems, v. 60, n. 4, p. 491-512; 2013.
GROGGER, J. Market wages and youth crime. Journal of Labor Economics, v. 16, n.
4, p. 756-791; 1998.
_______. The effects of arrest in the employment and earnings of young men.
Quarterly Journal of Economics, 110:51–71; 1995.
GUICHARD, S.; HAUGH, D.; e TURNER, D. Quantifying the Effect of Financial

Conditions in the Euro Area, Japan, United Kingdom and United States. OECD
Economics Department Working Papers, No. 677, OECD Publishing, Paris.; 2009.
GUIRRA, G. C. S, SOUZA, L.; e MOREAU, M. S. Análise da distribuição espacial

de homicídios na zona urbana de Ilhéus - BA. In: X Semana de Geografia da
Universidade Estadual da Bahia (UESB). Anais... Ilheus: UESB, p. 1-17, 2011.
GUMUS, E. Crime in urban areas: An empirical investigation. Akdeniz I.I. B.F.

Dergisi, Volume 7, pp. 98-109; 2004.
GUTIERREZ, M. B. S.; MENDONÇA, M. J. C.; SACHSIDA, A.; e

LOUREIRO, P. R. A. Inequality and criminality revisited: Further
115
evidence from Brazil. In Anais do XXXII Encontro Nacional de Economia,

João Pessoa/Paraíba. ANPEC; 2004.
HALLECK VEGA, S.; e ELHORST, J. P. The SLX model. Journal of Regional

Science, 55(3), 339–363; 2015.
HALICIOGLU, F. Temporal causality and the dynamics of crime in Turkey.

International Journal of Social Economics, Vol 39 Issue: 9, pp. 704-720; 2012.
HOSSZÚ, Z. The impact of credit supply shocks and a new FCI based on a FAVAR
approach. MNB Working Papers, No. 2016/1, Magyar Nemzeti Bank, Budapest; 2016.
IBGE - Instituto Brasileiro de Geografia e Estatística. Sistema IBGE de Recuperação

Automática - SIDRA. Rio de Janeiro: IBGE; 2019.
IPEA - Instituto de Pesquisa Econômica Aplicada; & FBSP - Fórum Brasileiro de

Segurança Pública. Atlas da Violência 2020. Brasília; Rio de Janeiro; São Paulo; 2020.
_______. Atlas da violência 2018. Brasília; Rio de Janeiro; São Paulo; 2019.
_______. Atlas da violência 2017. Brasília; Rio de Janeiro; São Paulo; 2018.
JACOB, B.; LEFGREN, L.; e MORETTI, E. The dynamics of criminal behavior.

Journal of Human Resources, v. 42, n. 3, p. 489-527; 2007.
JANKO, Z.; e POPLI, G. Examining the link between crime and unemployment: a
time-series analysis for Canada. Applied Economics, 47: 37, 4007-4019; 2015.
JAWADI, F.; MALLICK, S. K.; CHEFFOU, A. I.; & AUGUSTINE, A. Does Higher
Unemployment Lead to Greater Criminality? Revisiting the Debate over the
Business Cycle. Journal of Economic Behavior & Organization; 2019.
JOHNSTON, F. L.; e OLIVEIRA, C. A. Efeitos dissuasórios de ações policiais sobre

roubos na Região Metropolitana de Porto Alegre. In: Encontro Regional da ANPEC
Sul / 2016, Florianópolis. [Anais...] Florianópolis: ANPEC; 2016.
JORDÁ, Ò. Estimation and inference of impulse responses by local projections.

American Economic Review, 95, 161–182; 2005.
JÚNIOR, K. M. A renda, desigualdade e criminalidade no Brasil: uma análise

empírica. Revista Econômica do Nordeste (REN), Fortaleza, v. 45, n. 1, p. 34-46,
jan./mar.; 2014.
116
KAHN, T. Crescimento econômico e criminalidade: uma interpretação da queda

dos crimes no Sudeste e aumento no Norte/Nordeste. Rev. bras. segur. pública | São
Paulo v. 7, n. 1, 152-164 Fev/Mar; 2013.
_______. Os custos da violência: quanto se gasta ou deixa de ganhar por causa do

crime no Estado de São Paulo. São Paulo em Perspectiva, v. 13, n. 4, p. 42-48; 1999.
KARA, H. et al. Financial Conditions Indices for the Turkish Economy, Türkiye
Cumhuriyet Merkez Bankası, No: 2012-31, Central Bank of the Republic of Turkey;
NOTES IN ECONOMICS, Turkey; 2012.
KATZMAN, M. T. The contribution of crime to urban decline. Urban Studies, v. 17,

p. 277-286; 1980.
KAVTARADZE, L.; e MOKHTARI, M. Factor models and time-varying parameter

framework for forecasting exchange rates and inflation: A survey. Journal of
Economic Surveys, Vol. 00, No. 0, pp.1–33; 2017.
KELLY, M. Inequality and crime. Review of Economics and Statistics, v. 82, n. 4, p.

530-539; 2000.
KOOP, G.; e KOROBILIS, D. A new financial condition index. European Economic

Review; 71: 101−16; 2014.
_______. Large time-varying parameter VARs. Journal of Econometrics, 177, v.2, p.

185–198, 2013.
_______. Forecasting inflation using dynamic model averaging (DMA).

International Economic Review 53 (3), 867-886; 2012.
_______. UK macroeconomic forecasting with many predictors: Which models

forecast best and when do they do so? Economic Modelling 28 (5), p. 23072318;
2011.
KUBRIN, C. E.; e WEITZER, R. New directions in social disorganization

theory. Journal of research in crime and delinquency, v. 40, n. 4, p. 374-402; 2003.
KUME, L. Uma estimativa dos determinantes da taxa de criminalidade brasileira:

uma aplicação em painel dinâmico. In: ENCONTRO NACIONAL DE ECONOMIA,
Anais. São Paulo/SP: Anpec, p. 1-16; 2004.
LEE, Y. D. Income Inequality and Crime: Cointegration Analysis and Causality

Tests. Shippensburg University; 2002.
117
LEE, L. F.; e YU, J. Estimation of spatial autoregressive panel data models with
fixed effects. Journal of Econometrics, 154(2), 165–185; 2010.
LOBONT, O. R; NICOLESCU, A. C.; MOLDOVAN, N. C.; e KULOGLU, A. The

effect of socioeconomic factors on crime rates in Romania: a macro-level analysis.
Economic Research - Ekonomska Istraživanja, 30:1, 91-111; 2017.
LOTUFO NETO, N.; MACHADO, N. G.; RUVIERI, E. P.; LOTUFO, J. B. S.; LAUB,
L. V. P.; e HONGYU, K. Análise Fatorial e Estatística Espacial dos Crimes
Registrados em Municípios de Mato Grosso. Sigmae, Alfenas, v.8, n.2, p. 295-305 |
64ª Reunião da Região Brasileira da Sociedade Internacional de Biometria (RBRAS);
18º Simpósio de Estatística Aplicada à Experimentação Agronômica (SEAGRO); 2019.
LUCAMBIO, F. Estimador Kernel da função de densidade. Curitiba: Departamento

de Estatística; Universidade Federal do Paraná, 2008.
MACHIN, S.; e MEGHIR, C. Crime and economic incentives. Journal of Human

Resources, v. 39, n. 4, p. 958-979; 2004.
MADDAH, M. An Empirical Analysis of the Relationship between Unemployment

and Theft Crimes. International Journal of Economics and Financial Issues Vol. 3, No.
1; 2013, pp.50-53; 2013.
_______. Analysis of the relationship between the income inequality and the crimes
rate in Iran. Nameh-Ye Mofid, Economic Policies, 7, 75-90. (In Persian); 2011.
MASIH, A. M. M; e MASIH, R. Temporal causality and the dynamics of different

categories of crime and their socioeconomic determinants: evidence from
Australia. Applied Economics, 28:9, 1093-1104; 1996.
MEDEIROS, C. N.; CARVALHO, J. R.; e OLIVEIRA, V. H. Violência,

desenvolvimento e demografia: uma análise espacial para a cidade de fortaleza em
anos recentes. In: BARRETO, Flávio Ataliba Flexa Daltro; MENEZES, Adriano
Sarquis B. de; ASSIS, Dércio N. Chaves de; SOUSA, Fátima Juvenal de. (org.).
Economia do Ceará em Debate, 2015. Fortaleza, CE: IPECE, v. 1; p. 8-41; 2015.
MEDEIROS, C. N.; PINHEIRO, F. S. A.; SOUZA, G. M.; e PINHEIRO, D. R. C.

Correlações espaciais entre ocorrências de homicídios e concentração de
aglomerados subnormais em Fortaleza/CE/Brasil. Revista GeoUECE - Programa de
Pós-Graduação em Geografia da UECE Fortaleza/CE, v.2, nº1, p.92-110, jan./jun.;
2013.
MIETHE, T. D.; HUGHES, M.; e McDOWALL, D. Social Change and Crime Rates:
An Evaluation of Alternative Theoretical Approaches. Social Forces, v. 70, p. 165-
185; 1991.
118
MIJAN, P. H. C. Economia do crime: As contribuições de Gary Becker, seu

desenvolvimento e aplicações atuais. Trabalho TCC, Faculdade de Economia,
Administração e Contabilidade – FACE / Universidade de Brasília – UNB, Brasília/DF;
2017.
MOCAN, H. N.; e BALI, T. G. Asymmetric crime cycles. The Review of Economics

and Statistics, v. 92, n. 4, p. 899-911; 2010.
MONTEIRO, M. Pobreza Extrema no Espaço Urbano: O Caso dos Moradores de

Rua de Fortaleza/Ce, Brasil. Universidade Estadual do Ceará; 2011.
MUGGAH, R.; e SZABÓ, I. O que explica a grande queda no índice de homicídios

no Brasil. Nota Técnica nº 40 | Instituto Igarapé; Abril; 2019.
NARAYAN, P. K.; e SMYTH, R. Crime rates, male youth unemployment and real
income in Australia: evidence from Granger causality tests. Applied Economics, v.
36, p. 2079-2095; 2004.
ODON, T. I. Segurança pública e análise econômica do crime: o desenho de uma

estratégia para a redução da criminalidade no Brasil. Revista de Informação
Legislativa: RIL | Brasília/DF, v. 55, n. 218, p. 33-61, abr./jun.; 2018.
_______. Tolerância zero e janelas quebradas: sobre os riscos de se importar

teorias e políticas. Textos para Discussão nº 194, Senado Federal, Consultoria
Legislativa, Brasília/DF, p. 18; 2016.
OLIVEIRA, C. A.; e COSTA, I. C. V. Ciclos Econômicos e Crimes contra o

Patrimônio: uma Análise quase Experimenta. Análise Econômica, Porto Alegre, v.
37, n. 74, p. 7-34, Set.; 2019.
OLIVEIRA, C. A. Análise espacial da criminalidade no Rio Grande do Sul. Revista

de Economia, v.34, p. 35-60; 2008.
OLIVEIRA, D. X. A. Os impactos da criminalidade em uma análise teórica,

empírica e espacial. Tese (Doutorado) - FEAAC - Faculdade de Economia,
Administração, Atuária e Contabilidade - CAEN - Programa de Pós-Graduação em
Economia, Universidade Federal do Ceará, Fortaleza; 2019.
PAIXÃO, A. L. Crime, controle social e consolidação da democracia. In: REIS &

O´DONNELL (eds.). A democracia no Brasil. Vértice: São Paulo; 1988.
PAPPS, K.; & WINKELMANN, R. Unemployment and crime: new evidence for an
old question. New Zealand Economic Papers, v. 34, n. 1, p. 53-71; 2000.
119
PEREIRA, R.; e CARRERA-FERNANDEZ, J. A criminalidade na Região Policial da

Grande São Paulo sob a ótica da economia do crime. Revista Econômica do
Nordeste/REN, v. 31, nº. Especial, p. 898-918; 2000.
PLASSA, W. e PARRÉ, J. L. A Violência no estado do Paraná: uma análise espacial

das taxas de homicídios e de fatores socioeconômicos. Encontro Nacional da
Associação Brasileira de Estudos Regionais e Urbano. Anais; Curitiba: ABER; 2015.
PROCÓPIO, D. P.; e TOYOSHIMA, S. H. Fatores Associados à Criminalidade

Violenta no Brasil. Análise Econômica, Porto Alegre, ano 35, n. especial, p. 263-288.
Julho; 2017.
RAFTERY, A. E.; KÁRNY, M.; & ETTLER, P. Online prediction under model
uncertainty via dynamic model averaging: Application to a cold rolling mill.
Technometrics, Taylor & Francis, v. 52, n. 1, p. 52–66; 2010.
RAPHAEL, S.; e WINTER-EBMER, R. Identifying the effect of unemployment on

crime. Journal of Law and Economics, v. 44, p. 259-283; 2001.
REILLY, B.; e WITT, R. Crime and unemployment in Scotland: an econometric

analysis using regional data. Scottish Journal of Political Economy, v. 39, n. 2, p. 213-
228; 1992.
RESENDE, J. P. e ANDRADE, M. V. Crime social, castigo social: desigualdade de

renda e taxas de criminalidade nos grandes municípios brasileiros. Estudos
Econômicos; vol.41; nº. 1; São Paulo; Jan./Mar; 2011.
RIVERO, P. S. Distribuição desigual dos direitos humanos e da cidadania: áreas de

concentração de vítimas de homicídio e ação policial no município do Rio de
Janeiro. Rio de Janeiro: IPEA, 2010.
—————. RIVERO, P.S.; RODRIGUES, R.I. Favelas, pobreza e sociabilidade

violenta no Rio de Janeiro: uma análise espacial. Latin American Studies
Association, 2009.
RUPERTI, F. N. Uma abordagem em macrofinanças para a previsão dos

movimentos da taxa de câmbio do Brasil. Dissertação de Mestrado: Programa de Pós-
Graduação em Economia; Faculdade de Ciências Econômicas/Universidade Federal do
Rio Grande do Sul; 2018.
SACHSIDA, A.; e MENDONÇA, M. J. C. de. Evolução e determinantes da taxa de

homicídios no Brasil. Texto para discussão, nº 1808. Brasília/DF: Instituto de Pesquisa
Econômica Aplicada (Ipea); 2013.
120
SAE/PR - Secretaria Especial de Assuntos Estratégicos. Os Custos Econômicos da

Criminalidade no Brasil. Relatório de Conjuntura nº 04. Secretaria Especial de
Assuntos Estratégicos/Ministro de Estado Chefe da Secretaria-Geral da Presidência da
República, Junho; 2018.
SAH, R. K. Social Osmosis and Patterns of Crime. Journal of Political Economy, 99

(6): 1273-1295; 1991.
SAMPSON, R. J. The community. In: WILSON, J. Q., PETERSILIA, J. (eds.). Crime.

San Francisco: ICS Press, p. 193-216, 1995.
—————. Collective regulation of adolescent misbehavior: validation results

from eighty Chicago neighborhoods. Journal of Adolescent Research, v. 12, p. 227-
244; 1997.
SAMPSON, R. J.; e GROVES, W. B. Community structure and crime: testing social

disorganization theory. American Journal of Sociology, v. 94, p. 774-802, 1989.
SAMPSON, R. J.; e WOOLDREDGE, J. D. Evidence that high crime rates

encourage migration away from central cities. Sociology and Social Research, v. 70,
p. 310-314; 1986.
SANTOS, G. P. G. Desemprego, informalidade e precariedade: a situação do

mercado de trabalho no Brasil pós-1990. Pro-Posições [online]; vol. 19, n.2, pp.151-
161; 2008.
SANTOS, M. D.; VASCONCELOS, R. A.; e MOREIRA JÚNIOR, F. N. Gastos

socioeconômicos da violência e criminalidade (V&C) para o estado do Ceará:
evidências para o período 2010-2018. Boletim de Gestão Pública - Nº 17; Instituto de
Pesquisa e Estratégia Econômica do Ceará (IPECE); Fortaleza/Ceará; 2020.
SANTOS, M. J. Dinâmica Temporal da Criminalidade: Mais Evidências Sobre o

“Efeito Inércia” nas Taxas de Crimes Letais nos Estados Brasileiros. Revista
EconomiA, Brasília/DF, v. 10, n. 1, p. 169-194, jan./abr.; 2009.
SANTOS, M. J.; e KASSOUF, A. L. Menos desemprego, maior eficiência da polícia

e redução na criminalidade em São Paulo. In: Encontro Nacional de Economia da
ANPEC, Foz do Iguaçu/PR: ANAIS/ANPEC; 2011.
SARIDAKIS, G.; e SPENGLER, H. Crime, deterrence and unemployment in

Greece: A panel data approach. The Social Science Journal, 49 (2), p. 167–174; 2012.
SARTORIS NETO, A. Homicídios na cidade de São Paulo: uma analise da

causalidade e autocorrelação espaço-temporal. Tese (Doutorado em Teoria
Econômica) Instituto de Pesquisa Econômica de São Paulo, São Paulo; 2000.
121
SHEN, S. e PANG, J. Measuring the diffusion of housing prices across space and
over time: Replication and further evidence. Journal of Applied Econometrics, p.1-6;
2017.
SHAW, C. R.; e MCKAY, H. D. Juvenile delinquency and urban areas; 1942.
SHI, S.; HURN, S.; e PHILLIPS, P. C. B. Causal Change Detection in Possibly

Integrated Systems: Revisiting the Money-Income Relationship. Journal of
Financial Econometrics; March; 2019.
SILVA, P. C. A. A interiorização da violência: a dinâmica dos homicídios no Brasil

(2004-2015). Dissertação (mestrado) – Universidade Federal de Pernambuco (CFCH),
Programa de Mestrado Profissional em Políticas Públicas, Recife, Pernambuco; 2018.
SILVA, R. K. C. S. Analise espacial da taxa de homicídios nos municípios do

Estado de Alagoas no ano de 2010. Dissertação (Mestrado em Economia) do Mestrado
em Economia do Programa de Pós-graduação em Economia aplicada da Universidade
Federal de Alagoas (UFAL), Maceió/Alagoas; 2019.
SILVA JUNIOR, I. B. Impactos das políticas de segurança sobre a difusão da

criminalidade entre as cidades: uma aplicação dos modelos de Econometria
Espacial. Inaldo Bezerra da Silva Júnior. - 2016.
SIMS, C. A. Macroeconomics and reality. Econometrica, 48(1), p. 1-48; 1980.
SKOGAN, W. Disorder and decline. New York: Free Press; 1991.
_______. Fear of crime and neighborhood change. In: REISS Jr., A. J., TORNY, M.
(eds.). Communities and crime. Chicago, IL: University of Chicago Press, p. 203-229;
1986.
SMITH, D. A.; e JARJOURA, G. R. Social structure and criminal victimization.

Journal of Research in Crime and Delinquency, v. 25, p. 27-52; 1988.
SMITH, M. D.; DEVINE, J. A.; e SHELEY, J. F. Crime and unemployment: effects

across age and race categories. Sociological Perspective, 35, 551-572; 1992.
SOARES, A. M. C. O acúmulo da violência e da criminalidade na sociedade

brasileira e a corrosão dos direitos humanos. RIDH | Bauru, v. 2, n. 3, p. 161-189,
jul./dez.; 2014.
SOARES, T. C.; ZABOT, U. C.; e RIBEIRO, G. M. Índice geral de criminalidade:

uma abordagem a partir da análise envoltória de dados para os municípios
catarinenses. Leituras de Economia Política, Campinas, (19): 89-109, dez.; 2011.
122
SSPDS/CE - Secretaria da Segurança Pública e Defesa Social do Ceará. Boletim

mensal de Crimes violentos letais e intencionais (CVLI), Crimes violentos contra o
Patrimônio (CVP) e Furtos. Superintendência de Pesquisa e Estratégia de Segurança
Pública do Ceará (SUPESP/CE); Gerência de Estatística e Geoprocessamento (GEESP),
Fortaleza, CE, Dezembro; 2020.
TELES, V. K. The effects of macroeconomic policies on crime. Economics Bulletin,

Volume 11(1), pp. 1-9; 2004.
UCHÔA, C. F.; e MENEZES, T. A. Spillover espacial da criminalidade: Uma

aplicação de Painel Espacial para os Estados Brasileiros. XL Encontro Nacional de
Centro de Pós-Graduação em Economia, Porto de Galinhas, v. 11; 2012.
WAISELFISZ, J. J. Mapa da violência 2012: os novos padrões da violência

homicida no Brasil. Technical report, Instituto Sangari, São Paulo, SP, 2011.
WARNER, B. D.; e PIERCE, L. Reexamining social disorganization theory using

calls to the police as a measure of crime. Criminology, v. 31, p. 493-517; 1993.
WILCOX, P.; KENNETH, L.; e HUNT, S. A. Criminal circumstance: A dynamic

multi-contextual criminal opportunity theory. Routledge, 2018.
ZALUAR, A. A máquina e a revolta. As organizações populares e o significado da
pobreza. Editora Brasiliense; 1985.

Ensaios Sobre Violência & Criminalidade

Enviado por

Direitos autorais:

Formatos disponíveis

Ensaios Sobre Violência & Criminalidade

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Ensaios Sobre Violência & Criminalidade

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DO CEARÁ

FACULDADE DE ECONOMIA, ADMINSTRAÇÃO, ATUÁRIA E

MARCELO DAVI SANTOS

ENSAIOS SOBRE VIOLÊNCIA & CRIMINALIDADE (V&C)

Evidências para o Estado do Ceará e a Cidade de Fortaleza

FORTALEZA | CEARÁ | BRASIL

ENSAIOS SOBRE VIOLÊNCIA & CRIMINALIDADE (V&C) EM UMA ANÁLISE

Tese apresentada ao Programa de

Orientador: Prof. Dr. Fabricío

FORTALEZA | CEARÁ | BRASIL

D271e Davi Santos, Marcelo.

Tese (doutorado) – Universidade Federal do Ceará, Faculdade de Economia, Administração, Atuária e

1. Violência & Criminalidade. 2. Economia do crime. 3. Segurança Pública. 4. Condições

ENSAIOS SOBRE VIOLÊNCIA & CRIMINALIDADE (V&C) EM UMA ANÁLISE

Tese apresentada ao Programa de Pós-Graduação em Economia da Universidade

Aprovada em: 23 de dezembro de 2020.

À Deus, por trilhar meus caminhos e guiar os meus passos;

À minha esposa, Gerciane Garcia, pelo companheirismo, apoio e

Aos meus pais, irmãos e sobrinhos, por todo o suporte e confiança;

Ao meu orientador, Prof. Fabricío Carneiro Linhares, amigo, minha

Aos demais professores do CAEN/UFC que tanto contribuíram para

Ao meu ex-Diretor de Pesquisa e Avaliação de Políticas Públicas de

Aos amigos de trabalho/pesquisa da SUPESP, em especial, ao Mestrando

Aos amigos do IPECE, em especial, aos amigos Analistas Cleyber

À Capes, pelo financiamento desta pesquisa.

Figura 1A: FRI - Choque positivo - Taxa de homicídios................................................61

Figura 1B: FRI - Choque negativo - Taxa de homicídios...............................................61

Figura 2A: FRI - Choque positivo - Taxa de roubos.......................................................62

Figura 2B: FRI - Choque negativo - Taxa de roubos......................................................62

Figura 3A: FRI - Choque positivo - Taxa de furtos........................................................63

Figura 3B: FRI - Choque negativo - Taxa de furtos.......................................................63

Figura 04: FRI para a taxa de roubos - Fortaleza/CE.......................................................96

Figura 07: FRI para a taxa de furtos – Fortaleza/CE.......................................................99

Figura 08: FRI para a taxa de furtos na Região Leste – Fortaleza/CE............................99

Figura 09: FRI para a taxa de furtos na Região Oeste – Fortaleza/CE..........................100

Mapa 1: Número de ocorrências de roubos e furtos, segundo os bairros de Fortaleza/CE

Mapa 3: Número de ocorrências de roubos e furtos, segundo os bairros de Fortaleza/CE

Gráfico 1: Distribuição de freqüência dos testes de Causalidade de Granger variando no

Gráfico 2: Ranking dos seis indicadores econômicos segundo o teste de Causalidade de

Gráfico 3: Ranking dos seis indicadores econômicos segundo o teste de Causalidade de

Gráfico 4: Ranking dos seis indicadores econômicos segundo o teste de Causalidade de

Gráfico 5: Taxa de crescimento trimestral do PIB - Ceará (2011-2019) ........................25

Gráfico 6: Relação do índice do IPM com a taxa de homicídios – Ceará ................... 51

Gráfico 7: Relação do índice do IPM com a taxa de roubos – Ceará ........................... 52

Gráfico 8: Relação do índice do IPM com a taxa de furtos – Ceará ............................ 53

Gráfico 9: Demonstrativo da intensidade de aderência das probabilidades dos

Gráfico 10: Demonstrativo da intensidade de aderência das probabilidades dos

Gráfico 11: Demonstrativo da intensidade de aderência das probabilidades dos

Gráfico 12: Demonstrativo da intensidade de aderência das probabilidades dos

Gráfico 13: Demonstrativo da intensidade de aderência das probabilidades dos

Gráfico 14: Demonstrativo da intensidade de aderência das probabilidades dos

Gráfico 15: Demonstrativo da intensidade de aderência das probabilidades dos

Gráfico 16: Demonstrativo da intensidade de aderência das probabilidades dos

Gráfico 18: Demonstrativo da quantidade de preditores do modelo ao longo do tempo

Tabela 1 - Nº de ocorrências de roubos e furtos, segundo as Áreas Integradas de

Tabela 2 - Estimações para o modelo de painel dinâmico espacial para taxa de

Tabela 3 - Estimações para o modelo de painel dinâmico espacial para taxa de

AEDE Análise Exploratória de Dados Espaciaia

CONDIÇÕES MACROECONÔMICAS E VIOLÊNCIA & CRIMINALIDADE