Teoria Econmica do Crime: Evidncias do Mercado de Drogas

Sobre a Criminalidade no Rio Grande do Sul

Daniel de Abreu Pereira Uhr1
Universidade de Braslia
Jlia Gallego Ziero2
Universidade de Braslia
REA 2 Desenvolvimento Econmico e Regional
Resumo
O objetivo deste trabalho examinar a criminalidade no Rio Grande do Sul sob o
fundamento terico do modelo econmico de crime proposto por Becker (1968). Este
artigo analisa os determinantes dos furtos nas cidades gachas, especialmente o impacto
do mercado de drogas sobre o nvel de criminalidade. Para o modelo emprico
utilizamos tcnicas de dados em painel municipais para os anos de 2002 a 2008. Os
resultados mostram que o mercado de drogas impacta positiva e significativamente a
taxa de crimes.
Palavras-chave: Teoria econmica do Crime, Furtos, Drogas, Dados em Painel.
Classificao JEL: C23, K42, Z00.

Abstract
The objective of this paper is to study the criminality in Rio Grande do Sul state under
the economic model of crime proposed by Becker (1968). This article analyzes the
determinants of thefts in Rio Grande do Sul municipalities, especially the impact of
drugs market in criminality. For the empiric model we utilize panel data techniques, for
the period of 2002 to 2008. The results show that the drugs market has a positive and
significant impact on crimes rates.
Keywords: Economic Theory of Crime, Thefts, Drugs, Panel Data.
JEL: C23, K42, Z00.

Endereo para correspondncia: Campus Universitrio Darcy Ribeiro ICC, Ala Norte, Departamento de
Economia, Asa Norte, CEP:70919-970 - Braslia, DF Brasil. E-mail: danieluhr@unb.br, telefone: (61)
8104.8567
2
E-mail: juliagziero@unb.br, telefone (61) 9184.9554

Teoria Econmica do Crime: Evidncias do Mercado de Drogas

Sobre a Criminalidade no Rio Grande do Sul
Resumo
O objetivo deste trabalho examinar a criminalidade no Rio Grande do Sul sob o
fundamento terico do modelo econmico de crime proposto por Becker (1968). Este
artigo analisa os determinantes dos furtos nas cidades gachas, especialmente o impacto
do mercado de drogas sobre o nvel de criminalidade. Para o modelo emprico
utilizamos tcnicas de dados em painel municipais para os anos de 2002 a 2008. Os
resultados mostram que o mercado de drogas impacta positiva e significativamente a
taxa de crimes.
Palavras-chave: Teoria econmica do Crime, Furtos, Drogas, Dados em Painel.
Classificao JEL: C23, K42, Z00.

Abstract
The objective of this paper is to study the criminality in Rio Grande do Sul state under
the economic model of crime proposed by Becker (1968). This article analyzes the
determinants of thefts in Rio Grande do Sul municipalities, especially the impact of
drugs market in criminality. For the empiric model we utilize panel data techniques, for
the period of 2002 to 2008. The results show that the drugs market has a positive and
significant impact on crimes rates.
Keywords: Economic Theory of Crime, Thefts, Drugs, Panel Data.
JEL: C23, K42, Z00.
1 Introduo
As condies econmicas influenciam diretamente o comportamento dos
indivduos em sociedade, de modo que a criminalidade pode ser considerada um dos
piores resultados das influncias econmicas. Os trabalhos de Fleisher (1963, 1966),
Becker (1968) e Ehrlich (1973) apresentaram os fundamentos da anlise econmica do
crime e, a partir destes, diversos estudos econmicos tm testado inmeras variveis
socioecmicas para explicar a criminalidade.
O objetivo deste trabalho testar empiricamente a hiptese de relao positiva
entre o mercado de drogas e a criminalidade nos municpios do Rio Grande do Sul. Ou
seja, queremos analisar, empiricamente, a hiptese de que a presena de atividades
ilegais lucrativas implica em maiores retornos para a criminalidade, elevando as taxas
de crime.
A anlise emprica esta fundamentada teoricamente no artigo de Becker (1968),
o qual estabelece um modelo terico para criminalidade baseado na racionalidade do
agente, e o crime entendido como uma atividade econmica, apesar de ilegal. A
estratgia emprica consiste na aplicao de tcnicas de dados em painel para os
municpios do Rio Grande do Sul entre os anos de 2002 a 2008. Os dados so da
1

Fundao de Economia e Estatstica do Rio Grande do Sul3 (FEE/RS) e da Secretaria de

Segurana do Rio Grande do Sul4.
Este artigo esta estruturado da seguinte maneira. Alm desta introduo, temos
que a seo dois apresenta o referencial terico, onde descrevemos brevemente o
modelo de Becker (1968) e a literatura emprica. Na seo trs descrevemos a
metodologia emprica proposta para anlise. A seo quatro descreve os dados e a
operacionalizao das variveis. A cinco cinco apresenta os resultados. Por fim, na
seo seis, temos as consideraes finais do trabalho.

2 Referencial Terico
Becker (1963) apresenta um modelo formal dos determinantes da criminalidade,
em que a atitude criminosa decorre de uma anlise racional dos custos e dos benefcios
envolvidos, comparados com o retorno do mercado de trabalho legal. Ou seja, a deciso
de cometer um crime resulta da maximizao da utilidade esperada do agente, onde o
indivduo pondera, por um lado, entre os potencias ganhos da ao criminosa e o valor
da punio e as probabilidades de deteno, e, por outro lado, entre o custo de
oportunidade de cometer crime. Nesta seo apresentamos, resumidamente, o modelo
de crime proposto por Gary Becker, focando principalmente na oferta de crimes
(ofensas) relacionado ao mercado de drogas e suas aplicaes.

2.1 Modelo5
Becker (1968) pressupe que exista uma funo que relaciona o numero de
ofensas de qualquer pessoa probabilidade de deteno, punio se preso, e outras
variveis, tais como renda disponvel em atividades legais ou ilegais, desejo de cometer
atividades ilegais, etc. A relao pode ser representada por:
= ( , , )

(01)

onde o nmero de ofensas que o indivduo j pode cometer durante um determinado

perodo, a probabilidade de deteno por ofensa, a punio por ofensa, e
contm todas as demais variveis que influenciam a deciso de delinqir. Cabe lembrar
que as distribuies de e dependem do juiz, jri, promotor, etc, em que o indivduo
j depara-se, j a distribuio de depende das probabilidades de condenao e das
punies de atividades ilegais concorrentes. Assim, h possibilidade de substituio
entre os tipos de ofensas.

Centro de Divises Estatsticas da FEE/RS.

Departamento de Gesto da Estratgia Operacional, Diviso de Estatstica Criminal.
5
Nesta seo apresentamos a oferta de crimes proposta no trabalho de Becker (1968).
4

Segundo Becker, somente os ofensores condenados so punidos, assim, existe

uma discriminao de preo e incerteza: se condenado, paga pela ofensa, com
> 0, caso contrrio, no paga pelo crime ( = 0). Um aumento em ou reduz a
utilidade esperada de uma ofensa e, alm disso, tendem a reduzir o numero de ofensas
devido a probabilidade de pagar um maior preo, ou o preo por si mesmo
aumentaria, ou seja:
=

<0

(02)

<0

(03)

e,
=

com relao aos efeitos de , temos, por exemplo, que um aumento na renda de
atividades legais aumentaria o custo de oportunidade do crime e implicando num
numero de ofensas menor. Punies mais severas implicariam em reduo no nmero
de ofensas.
Esse arcabouo terico apresenta uma interpretao interessante, conforme
argumenta Becker. Por exemplo, um aumento em pode ser compensado por uma
igual reduo percentual em , implicando em nenhuma mudana na renda esperada da
ofensa, entretanto pode mudar a utilidade esperada devido ao risco que pode mudar.
A utilidade esperada por cometer uma ofensa pode ser definida como:
(04)

= + 1 + ( )

onde a renda monetria ou ganho monetrio psicolgico (monetary plus psychic)

provenientes da ofensa, a funo utilidade, a probabilidade de condenao, e
considerado como equivalncia monetria da punio. Ento, pressupondo utilidade
marginal positiva com a renda:

= ( ) ( ) < 0

(05)

e,

= ( ) < 0

(06)

ou seja, um aumento em compensada por igual reduo em no modificaria a

renda esperada da ofensa, = + 1 = , entretanto, a
utilidade esperada modificaria devido alterao do risco. Assim, uma elevao de
representaria uma reduo no nmero de ofensas devido reduo da utilidade advinda
da execuo do ato criminoso. Becker comenta que possvel demonstrar que essa
3

reduo seria mais do que proporcional a uma equivalente elevao percentual em se

o indivduo for propenso ao risco. E, um incremento em teria um efeito grande sobre
o nmero de ofensas se o indivduo tivesse averso ao risco ou fosse neutro ao risco.
Considerando a oferta total de ofensas (O) como a soma de todas as ofertas de
ofensas individuais ( ) que depende do conjunto de em , e . Apesar de essas
variveis variarem bastante entre as pessoas, para simplificar, Becker considera os
valores mdios, , e . Ento, a funo de oferta de mercado dada por:
= (, , )

(07)

Assim, temos que a oferta de crimes agregados na sociedade depende da

probabilidade de deteno por ofensa (p), do valor da punio pela ofensa (f), e de u,
que contm todas as demais variveis que influenciam a deciso de delinqir.
Neste trabalho queremos testar se o mercado de drogas afeta a oferta de
criminalidade atravs da influncia sobre a deciso de delinqir (u). Ou seja, a idia
que a presena de atividades ilegais lucrativas implica em maiores retornos para a
criminalidade, elevando as taxas de crime.

2.2 Literatura emprica

Atualmente, existe uma ampla literatura econmica do crime6, entre os diversos
fatores que podem potencializar a criminalidade esto o uso e de um mercado de drogas
ilcitas. Entretanto, as evidncias empricas para o mercado de drogas ilcitas so
escassas.
Fajnzylber et al (1998) investigam a hiptese de que a presena de atividades
ilegais lucrativas implica em maiores retornos esperados para o crime. Os autores
utilizam como varivel dependente as taxas de homicdio e taxas de roubos. Entre as
variveis explicativas eles utilizam como proxy para a existncia de atividades ilcitas
lucrativas a taxa de apreenses por porte de drogas por cem mil habitantes. Alm do
porte de drogas, eles utilizam uma varivel binria que assume valor um caso o pas seja
definido como produtor de drogas ou mercado consumidor. Os resultados encontrados
pelos autores indicam que as atividades ilcitas afetam positivamente a criminalidade.
Grogger e Willis (2000) encontraram evidencias de que o surgimento do uso do
crack impactou positivamente sobre a taxa de criminalidade nos Estados Unidos. A
anlise emprica foi realizada para 27 regies metropolitanas dos Estados Unidos, e foi
utilizado o modelo de diferena-em-diferena.
Corman e Mocan (2000) encontraram evidncias de que o uso de drogas
aumenta a incidncia de crimes somente sobre crimes contra a propriedade. Os autores
rejeitaram a hiptese de que o uso de drogas tenha efeito sobre as taxas de homicdios,
por exemplo.
6

Para surveys ver, por exemplo, Cameron (1988), Freeman (1994), Cerqueira e Lobo (2004), e Santos e
Kassouf (2008).

Mendona et al (2002) estudam os efeitos das interaes sociais e crimes

violentos para o Brasil. Os dados foram construdos a partir de entrevistas de 799
presidirios que cumpriram pena no Presdio Estadual da Papuda (Braslia). Diversos
crimes foram considerados como varivel dependente. Entre as variveis independentes
foram utilizadas duas variveis para mensurar o uso de drogas: (i) se o indivduo era
usurio de drogas, (ii) se usava drogas para cometer crime. Os autores encontraram que
o consumo de drogas no encontrou suporte estatstico para aceitao da hiptese de
que a droga aumenta a disposio do indivduo cometer crimes violentos.
Carneiro et al (2005) estudam o efeito das interaes sociais e do crime sobre a
probabilidade de um indivduo engajar-se em diferentes tipos de comportamento ilegal,
para o caso do Brasil (pas em desenvolvimento). Os dados foram construdos atravs
de entrevistas junto a penitenciria da Papuda (Braslia). Atravs de modelos probit os
autores encontraram trs resultados gerais: (i) que as interaes sociais so importantes
fatores para explicar o comportamento criminoso; (ii) diferentes conjuntos de interaes
sociais so requeridas para explicar diferentes tipos de crimes; (iii) e algumas variveis
afetam tipos diferentes de crimes em direes opostas. O artigo encontrou significncia
para o uso de drogas, e cabe destacar que, para homicdios e roubos o uso de drogas foi
positivo e significativo.
Santos e Kassouf (2007) examinam a relao entre mercado de drogas e a
criminalidade. Os autores utilizam dados em painel dos estados brasileiros baseados na
teoria econmica do crime de Becker (1968). Os resultados indicaram que o mercado de
drogas, a taxa de urbanizao e a desigualdade de renda afetam positivamente a
criminalidade.

3 Metodologia
Para investigao econmica do crime em mbito municipal, tcnicas que
exploram as caractersticas de painel de dados revelam-se apropriadas na medida em
que elas controlam a heterogeneidade no-observvel existente entre cada municpio.
Alm disso, possibilita o controle parcial do problema de erro de medida decorrente do
sub-registro dos crimes. Ou seja, se considerarmos que as denncias de crimes so
funo das caractersticas da localidade a ser estudada (variveis como renda, gastos
com segurana, escolaridade, confiana no sistema de segurana, entre outras) podemos
entender que a taxa de sub-registro um efeito local no-observado.
A justificativa para o controle da heterogeneidade no-observvel municipal
devida a diversos fatores. importante destacar, por exemplo, que cada cidade
apresenta suas peculiaridades como proximidade de portos, aeroportos, rodovias,
ferrovias, e tambm pela cultura local. A populao do Rio Grande do Sul formada,
em grande parte, por descendentes de portugueses, alemes, italianos, indgenas,
africanos, e em pequena parte por espanhis, poloneses, franceses, entre outros, logo, as
caractersticas culturais entre as cidades gachas, as quais permanecem relativamente
estveis no tempo podem estabelecer diferentes taxas de crimes entre os municpios.
A equao bsica que queremos estimar dada por:
5


ln ( ) =
+ + (08)

Temos que a oferta de crimes do i-simo municpio (i=1, ..., 496) no ano t
(t=2002, ..., 2008). H K variveis explicativas em , no incluindo o termo constante.
O termo representa a heterogeneidade municipal, onde contem um termo
constante e variveis especficas, observveis ou no, do municpio i.
Antes de efetuar a anlise economtrica propriamente dita, devemos analisar as
seguintes situaes, (i) se a heterogeneidade no existe; (ii) se a heterogeneidade existe.
Caso a heterogeneidade seja observada para todos os municpios, no h efeitos noobservveis, dessa forma uma regresso pelo mtodo de mnimos quadrados ordinrios
(MQO) com dados empilhados (pooled) forneceria estimativas consistentes e eficientes.
Caso exista algum efeito no-observado, as estimativas por MQO pooled seriam
viesadas e inconsistentes. Assim, o uso de metodologias que consideram a
heterogeneidade prefervel.
Quando utilizamos modelos de dados em painel, devemos ponderar se a
heterogeneidade no-observvel correlaciona com as variveis explicativas ( ). No
caso da heterogeneidade no-observvel no ser correlacionada com , ento o modelo
de Efeitos Aleatrios (Random Effects) prefervel para basear as anlises. Entretanto,
se a heterogeneidade no-observvel correlacionada com , temos que anlises a
partir a adoo do modelo de Efeitos Fixos (Fixed Effects) so recomendadas.

4 Dados e operacionalizao das variveis

A varivel dependente que queremos explicar a taxa de criminalidade
municipal, utilizamos o logaritmo dos furtos por cem mil habitantes como proxy para a
atividade criminal (FAJNZYLBER et al, 1998; GLAESER e SACERDOTE, 1999). Os
dados foram obtidos junto a Secretaria de Segurana do estado do Rio Grande do Sul.
Uma crtica que pode ser feita para estes dados seria a questo de sub-registro.
Entretanto, se o prprio sub-registro estiver ligado a caractersticas da populao do
municpio e permanecer estvel no tempo, ento tcnicas de efeito fixo podem controlar
este problema (FAJNZYLBER e ARAUJO, 2001).
Na literatura de crime, diversas variveis tm sido utilizadas para explicar a taxa
de criminalidade nos modelos economtricos. Pode-se citar a urbanizao, a renda, a
escolaridade, a pobreza e a mercado de drogas. Neste trabalho utilizaremos estas
variveis como variveis explicativas, entretanto, h dificuldades em determinar como
elas afetam a criminalidade.
A taxa de urbanizao dada pela razo entre populao urbana e o total da
populao municipal (IBGE). Esta varivel utilizada para explicar o crime sob a
justificativa de que em municpios com maior taxa de urbanizao existe maior troca de
informaes entre grupos criminosos, implicando em menores custos de planejamento e
execuo do crime. Outro aspecto considerado que em regies urbanas a capacidade
de monitoramento dificultada.
6

Assim como utilizado por Ehrlich (1973), a varivel renda pode ser utilizada
como proxy para o retorno participao da atividade ilegal. A idia que um aumento
da renda implica no aumento da probabilidade do agente engajar-se na atividade
criminal. Por outro lado, pode-se entender que o aumento da renda aumenta o custo de
oportunidade da atividade ilegal. Dessa maneira, o sinal esperado no definido.
Utilizamos nas estimaes o ndice de Desenvolvimento Scio Econmico (IDESE) do
bloco de renda, o qual formado pelo produto interno bruto per capita (PIB per capita)
e pelo valor adicionado bruto per capita (VAB per capita) do comrcio, alojamento e
alimentao. O IDESE varia de zero a um, assim como o ndice de desenvolvimento
humano (IDH), e classifica os municpios em trs nveis de desenvolvimento: baixo
(ndices at 0,499), mdio (entre 0,500 e 0,799) ou alto (maiores ou iguais a 0,800).
Dois argumentos justificam o uso da varivel escolaridade, primeiro,
escolaridade reduz o crime porque aumenta o custo de oportunidade de entrar na
atividade ilegal, desta forma o sinal esperado seria negativo. O segundo que mais
escolaridade aumenta a habilidade do criminoso na prtica do crime. O efeito da
criminalidade, para o segundo argumento, seria positivo. Entretanto, o sinal do efeito da
escolaridade sobre a criminalidade no de fcil determinao. A fim de captar o efeito
da escolaridade, utilizamos o ndice IDESE do bloco de educao o qual formado pela
taxa de abandono do ensino fundamental (INEP7), taxa de reprovao do ensino
fundamental (INEP), taxa de atendimento do ensino mdio (INEP e Censo Demogrfico
20008) e taxa de analfabetismo de pessoas de 15 anos e mais de idade (Censo
Demogrfico 2000 e PNAD9).
A pobreza reduz o custo de oportunidade de entrar na atividade ilegal. Diversos
autores relacionam pobreza com desorganizao social. Se aceitarmos que a existncia
de elevados ndices de desorganizao social, e consequentemente a pobreza, torna mais
difcil encontrar e punir criminosos; temos que, quanto maior a pobreza e a
desorganizao social maiores as taxas de criminalidade. Utilizamos como proxy para
pobreza o IDESE do bloco de saneamento e domiclio (FEE/RS), o qual formado pelo
percentual de domiclios abastecidos com gua (rede geral), percentual de domiclios
atendidos com esgoto sanitrio (rede geral de esgoto ou pluvial) e a mdia de moradores
por domiclio (Censo Demogrfico 2000 e PNAD do IBGE).
A posse de drogas utilizada para controlar a presena de atividades ilcitas
sobre a taxa de crimes. Municpios com grande produo e/ou mercado consumidor de
drogas tm grandes oportunidades lucrativas para atividades criminosas (SANTOS e
KASSOUF, 2007). Alm disso, indivduos dependentes de drogas so mais propensos a
cometerem crimes com motivaes econmicas para sustentar o vcio. Deste modo,
utilizamos o nmero de ocorrncias registradas (fato consumado) de posse de
entorpecentes e trfico de entorpecentes municipais per capita, os dados foram obtidos
junto a Secretaria de Segurana do Estado do Rio Grande do Sul.
A tabela 1 resume os impactos esperados das variveis explicativas.

Ministrio da Educao.
Instituto Brasileiro de Geografia e Estatstica (IBGE).
9
Pesquisa Nacional por Amostra de Domiclio (PNAD-IBGE).
8

Tabela 1 Variveis explicativas para furtos (crime)

Variveis Explicativas
Taxa de urbanizao
IDESE renda
IDESE educao
IDESE saneamento e domiclios
Posse e trfico de entorpecentes

Terminologia
Urbanizao
Renda
Educao
Pobreza
Drogas

Sinal Esperado
Positivo
No definido
No definido
Positivo
Positivo

A fim de identificar a colineriedade entre as variveis, apresentamos, na tabela 2,

a correlao simples entre as variveis explicativas para os dados agrupados. Os
resultados empricos apresentados pela literatura de crime podem ser viesados10, devido
forte colineariedade entre as variveis explicativas utilizadas nos modelos
economtricos.
Tabela 2 Correlaes entre as variveis explicativas (dados 2002-08)
Urbanizao
Renda
Pobreza
Educao
Drogas

Urbanizao
1,0000
0,4530
0,7487
0,1414
0,5039

Renda

Pobreza

Educao

Drogas

1,0000
0,3829
0,3843
0,1810

1,0000
0,2075
0,3511

1,0000
0,0432

1,0000

Os dados da tabela 2 no indicam colineariedade forte entre as variveis. Dessa

forma, utilizaremos todas as variveis propostas para a anlise de dados em painel para
a criminalidade gacha.

5 Resultados
A tabela 3 apresenta as estimativas dos determinantes das taxas de crime contra
o patrimnio (furtos por cem mil habitantes) nas cidades gachas. Nas duas primeiras
estimativas (colunas 1 e 2) utilizamos o modelo de Mnimos Quadrados Ordinrios
(MQO) com dados empilhados, onde o efeito individual no levado em considerao.
Utilizamos a estimao por MQO somente para efeito de comparao. As demais
colunas apresentam os resultados estimados por dados em painel. As colunas (3) e (4)
apresentam regresses por efeitos aleatrios (EA), e as colunas (5) e (6) apresentam
regresses por efeitos fixos (EF).
Aplicando o teste Breusch-Pagan11, o qual testa a hiptese nula de no existncia
de efeito no-observvel (varincia do componente no-observado zero), ao modelo EA
(3), rejeita-se a hiptese nula a 1% de confiana. Ou seja, conclumos que existe

10

Para um survey sobre implicaes da colineariedade forte entre as variveis de crime e suas
implicaes na estimao, ver Land, McCall e Cohen (1990).
11
Este teste baseado no princpio do multiplicador de Lagrange (ML).

componente de heterogeneidade. Se a hiptese nula fosse aceita, o estimador de MQO

com dados empilhados poderiam ser apropriados (BALTAGI, 1995).
Dada a existncia da heterogeneidade, aplicamos o teste de Hausman para
verificar se o componente no-observado correlacionado com as variveis
explicativas. O resultado do teste de Hausman para equao (3) indicou correlao a 1%
de confiana. Isto indica que a estimao por efeitos aleatrios no gera estimadores
consistentes para o modelo. Logo, a estimativa por efeitos fixos prefervel. Os
resultados, do modelo de efeitos fixos (5) para as variveis de urbanizao, renda,
pobreza e educao so significativas a 1% de confiana, e os sinais foram os esperados.
Na quarta e na sexta colunas introduzimos a varivel mercado de drogas.
Novamente utilizamos o modelo de regresso EA e EF. Para testar a existncia de
heterogeneidade entre os municpios, aplica-se o teste Breusch-Pagan para o modelo de
efeito aleatrio (EA), coluna (4). O resultado sugere claramente que existe efeito
individual, com um nvel de significncia de 1%. Pelo teste de especificao de
Hausman para a equao (4), identificamos que h correlao entre os efeitos
municipais no-observados e as variveis explicativas do modelo, com um nvel de
confiana de 1%. Assim, o modelo de efeitos fixos (coluna 6) o melhor modelo entre
as duas alternativas (4 e 6).
Tabela 3 Modelo economtrico para furtos
Variveis
Independentes
Urbanizao

MQO
(1)
1,7800
(0,000)
0,6550
(0,000)
0,0577*
(0,579)
-2,5125
(0,000)
-

MQO
(2)
1,3149
(0,000)
0,7563
(0,000)
0,0891*
(0,371)
-2,4506
(0,000)
353,7671
(0,000)
7,6861
(0,000)
0,4624
-

EA
(3)
1,8109
(0,000)
1,3320
(0,000)
-0,1238*
(0,505)
-1,7104
(0,002)
-

EA
EF
EF
(4)
(5)
(6)
1,5022
5,1123
5,0053
(0,000)
(0,000)
(0,000)
Renda
1,2725
1,7501
1,7158
(0,000)
(0,000)
(0,000)
Pobreza
-0,0691*
47,4793
47,1705
(0,684)
(0,000)
(0,000)
Educao
-1,8198
5,5548
5,5262
(0,000)
(0,000)
(0,000)
Drogas
231,6884
112,3417
(0,000)
(0,001)
Constante
7,6848
0,6058
6,8073
-18,2849
-18,4606
(0,000)
(0,000)
(0,000)
(0,000)
(0,000)
2
R
0,4108
0,4025
0,4494
0,2556
0,2567
Hausman test
272,32
321,39
(0,0000)
(0,0000)
Breusch-Pagan
1056,51
793,49
test
(0,0000)
(0,0000)
Observaes
2470
2470
2470
2470
2470
2470
Os valores entre parnteses so o p-value das variveis. *: denota varivel no significativa.

Cabe ressaltar que os resultados obtidos pelos modelos so distintos, isto ,

apesar da significncia da maioria das variveis em ambos modelos, os coeficientes
estimados por efeitos aleatrios so relativamente distintos aos do modelo recomendado
9

pelos testes (efeitos fixos), um ponto importante a ser destacado a mudana do sinal
das variveis de pobreza e de educao, de negativo para positivo, quando empregado o
modelo de efeitos fixos. Assim, notamos um significativo ganho informacional nas
estimativas obtidas por efeito fixo.
Os resultados (coluna 6) indicam que taxa de urbanizao, renda, pobreza,
educao e drogas afetam positivamente o nvel de furtos.
O impacto positivo e significativo da varivel taxa de urbanizao em todas as
estimaes sustenta as seguintes hipteses: (i) os custos de planejamento e execuo do
crime so reduzidos em permetros urbanos devido a maior troca de informaes entre
os criminosos e potenciais criminosos (GLAESER et al, 1992), e (ii) o anonimato
incrementa a criminalidade em reas urbanas (SANTOS e KASSOUF, 2007;
SACHSIDA et al, 2009).
A varivel de renda uma proxy para os retornos esperados do crime. Ela esta
associada tanto aos retornos quanto aos custos do crime. O sinal positivo e significativo
encontrado evidencia retornos ao crime. Em todos os modelos a varivel foi positiva e
significativa a 1% de confiana.
A varivel de pobreza tambm apresentou impacto positivo sobre a
criminalidade no Rio Grande do Sul. Este resultado sustenta a hiptese de que pobreza
reduz o custo de oportunidade de entrar na atividade ilegal. Glaeser e Sacerdote (1999)
e Oliveira (2005) tambm encontram impacto positivo da pobreza sobre a taxa de
crimes per capita.
Como discutido anteriormente, o efeito da educao no bem definido pela
literatura. Por um lado tanto o nvel de escolaridade quanto a manuteno dos alunos na
escola pode aumentar o custo de oportunidade de engajar-se na atividade ilegal, por
outro lado, mais escolaridade aumenta a habilidade e eficincia da pratica do crime.
Para este ultimo argumento, espera-se sinal positivo. Ehrlich (1973) encontrou
resultados positivos. Nas estimativas, o impacto da educao encontrado foi positivo e
significativo a 1% de confiana. Esse resultado parece reforar o argumento de maior
eficincia dos criminosos para prtica de furtos, na medida em que eles podem planejar
e desenvolver crimes de modo mais eficiente devido ao maior capital humano.
O impacto positivo e significativo da varivel drogas vai ao encontro do trabalho
de Fajnzylber et al (1998), Grogger e Willis (2000), Corman e Mocan (2000), Carneiro
et al (2005) e Santos e Kassouf (2007). Ou seja, confirma-se a hiptese de que o uso de
drogas e/ou a existncia de um mercado de drogas impacta positivamente a
criminalidade. Assim como argumenta Santos e Kassouf (2007), este resultado sugere
que as estimaes que buscam determinar os componentes socioeconmicos do crime
devem considerar o mercado de drogas como controle.

6 Consideraes Finais
Neste artigo consideramos os efeitos de alguns aspectos sociais e do mercado de
drogas sobre a taxa de criminalidade (crimes contra o patrimnio). A anlise considerou
dados em painel para todos os municpios gachos de 2002 a 2008. Os resultados
10

obtidos vo ao encontro dos resultados de Carneiro et al (2005) e Santos e Kassouf

(2007) para o Brasil, e os trabalhos de Fajnzylber et al (1998), Grogger e Willis (2000),
Corman e Mocan (2000) para literatura emprica internacional.
Estimamos modelos por mnimos quadrados ordinrios (MQO) com dados
empilhados, modelo de dados em painel por efeitos aleatrios (EA) e por efeitos fixos
(EF) a fim de verificar o impacto do mercado de drogas sobre a taxa de criminalidade.
A principal concluso do trabalho que, de fato, a hiptese de relao positiva entre o
mercado de drogas e a criminalidade nos municpios do Rio Grande do Sul no foi
refutada. Ou seja, a hiptese de que a presena de atividades ilegais lucrativas implica
em maiores retornos para a criminalidade, elevando as taxas de crime, foi aceita. Alm
disso, os resultados mostraram que a taxa de urbanizao, ndice de renda, ndice de
pobreza e ndice de educao apresentaram impactos positivos e significativos sobre a
criminalidade.
Os resultados so importantes porque sugerem que as estimaes que buscam
determinar os componentes socioeconmicos do crime devem considerar o mercado de
drogas como controle. E, alm disso, pelos resultados pode-se concluir que polticas
pblicas de combate ao trfico e ao uso de drogas reduziriam a taxa de criminalidade
contra o patrimnio no Rio Grande do Sul.

Referncias
BALTAGI, B.H. Econometric analysis of panel data. Wiley, New York, 1995.
BECKER, G. S. Crime and punishment: An economic approach. The Journal of
Political Economy, 76 (2) pg. 169-217. 1968.
CAMERON, S. The economics of crime deterrence: a survey of theory and evidence.
Kyklos, vol. 41 (2), pg. 301-323, may 1988.
CARNEIRO, F. G., LOUREIRO, P. R. A., e SACHSIDA, A. Crime and social
interactions: A developing country case study. The Journal Socio-Economics, 34
pg. 311-318. 2005.
CERQUEIRA, D. e LOBO, W. Determinantes da criminalidade: Arcabouos tericos
e resultados empricos. Dados - Revista de Cincias Sociais, 47(2) pg. 233-269.
2004.
CORMAN, H. e MOCAN, H. N. A time-series analysis of crime, deterrence and drug
abuse in New York city. The American Economic Review, 90(3) pg.584-604. 2000.
EHRLICH, I. Participation in illegitimate activities: A theoretical and empirical
investigation. Journal of Political Economy, 81(3) pg.526-536. 1973.
FAJNZYLBER, P. e ARAUJO JUNIOR, A. F. Violncia e criminalidade. In Lisboa,
M. B. e Menezes Filho, N. A., editors, Microeconomia e Sociedde no Brasil, pg.
333-394. Contra Capa, Rio de Janeiro. 2001.
FAJNZYLBER, P., LEDERMAN, D., e LOAYZA, N. Determinants of crime rates in
Latin America and the world: Viewpoints. Washington: The World Bank, 42p.
1998.
FLEISHER, B. M. The effect of income on delinquency. The American Economic
Review, 61(1) pg. 118-137. 1966.
FLEISHER, B. M. The effect of unemployment on juvenile delinquency. The Journal
of Political Economy, 71(6) pg. 543-555. 1963.
11

FREEMAN, R. B. Crime and the job market. Cambridge, M.A. NBER working paper,
n.4910. 1994.
GLAESER, E. L. e KALLAL H. D. e SCHEINKMAN J. A. e SHLEIFER A. Growth in
Cities, Journal of Political Economy, University of Chicago Press, vol. 100(6), pg.
1126-52, December, 1992.
GLAESER, E.L. e SACERDOTE, B. Why Is There More Crime in Cities? The Journal
of Political Economy, Vol. 107, No. S6, pg. S225-S258, December, 1999.
GROGGER, J. e WILLIS, M. The emergence of crack cocaine and the rise in urban
crime rates. The Review of Economics and Statistics, 82 (4), pg. 519-529, 2000.
LAND, K. C., McCALL, P. L., e COHEN, L. E. Structural covariates of homicide rates:
are there any invariances across time and social space? The American Journal of
Sociology [AJS], 95, pg.922963. 1990.
MENDONA, M. J. C. Criminalidade e violncia no Brasil: Uma abordagem terica e
emprica. Revista Brasileira de Economia de Empresas, 2(1) pg. 33-49. 2002.
OLIVEIRA, C. A. Criminalidade e o tamanho das cidades brasileiras: Um enfoque
da economia do crime. In XXXIII Encontro Nacional de Economia. ANPEC,
Natal. Disponvel em: http://econpapers.repec.org/paper/anpen2005/152.htm Acesso
em 15 de fevereiro de 2011. 2005.
SACHSIDA, A. MENDONA, M. J. C., LOUREIRO, P. R. A., GUTIERREZ, M. B. S.
Inequality and criminality revisited: evidence from Brazil. Empirical Economics, 39
(1), pg. 93-109. 2009.
SANTOS, M. J. e KASSOUF, A. L. Uma investigao econmica da influncia do
mercado de drogas ilcitas sobre a criminalidade brasileira. Revista EconomiA, 8(2)
pg.187-210. 2007.
SANTOS, M. J. e KASSOUF, A. L. Estudos Econmicos das Causas da Criminalidade
no Brasil: Evidncias e Controvrsias. Revista EconomiA (Braslia).volume 9,
nmero 2, pg.343-372, maio/ago 2008.

12