Crimes nos municípios do Rio Grande do Sul: análise a partir de um índice geral de criminalidade

Autores

DOI:

https://doi.org/10.1590/0101-41614834rap

Palavras-chave:

Economia do Crime, Índice de Criminalidade Municipal, Econometria Espaço-Temporal, Inferência Bayesiana, INLA.

Resumo

A Economia do Crime dedica-se em estudar a atividade humana considerada ilegal e mensurá-la de maneira apropriada constitui um grande desafio na literatura. Este artigo propõe uma metodologia de mensuração da atividade criminal nos municípios do Rio Grande do Sul combinando diversos tipos de ocorrências criminais em uma série histórica de 2002 até 2015. Fazendo uso de um refinado modelo espaço-temporal Bayesiano, com a metodologia Integrated Nested Laplace Approximation, os resultados encontrados buscam mensurar a criminalidade geral contornando problemas de estimações como alta volatilidade e raridade de ocorrências em localidades pouco habitadas. Ademais, os índices construídos contemplam a gravidade específica de cada crime e representam uma interpretabilidade simples.

Downloads

Os dados de download ainda não estão disponíveis.

Referências

Akaike, H. 1997. “Information theory and an extension of the maximum likelihood principle”. 2nd International Symposium on Information Theory, p. 267–281.

Banerjee, S., Carlin, B., Gelfand, A. 2004. “Hierarchical modeling and analysis for spatial data”. [S.l.]: Chapman & Hall/CRC 101.

Beato, F., Claudio, C. 1998. “Determinantes da criminalidade em minas gerais”. Revista Brasileira de Ciências Sociais SciELO Brasil 13(37): 74–87.

Besag, J. 1974. “Spatial Interaction and Statistical Analysis of Lattice Systems”. Journal of the LRoyal Statistical Society Series B 36(2): 579–602.

Besag, J., York, J., Mollie, A. 1991. “Bayesian image restoration, with two applications in spatial statistics”. Annals of the Institute of Statistical Mathematics 43:1–59.

Bivand, R. S., Pebesma, E., Gómez-Rubio, V. 2008. “Applied Spatial Data Analysis with R”. [S.l.]: Springer.

Blangiardo, M., Cameletti, M. 2015. “Spatial and spatio-temporal Bayesian models with R-INLA”. [S.l.]: John Wiley & Sons.

Blangiardo, M. et al. 2013. “Spatial and spatio-temporal models with r-inla”. Spatial and Spatio-temporal Epidemiology, Elsevier 7: 39–55.

Carvalho, A., Marques Da Silva, G., Junior, G. R., Albuquerque, P. H. M. 2012. “Taxas Bayesianas para o mapeamento de homicídios nos municípios brasileiros”. Cadernos de Saúde Pública 28(7): 1249–1262.

Catelan, D., Lagazio, C., Biggeri, A. 2010. “A hierarchical Bayesian approach to multiple testing in disease mapping”. Biometrical Journal 52(6).

Cerqueira, D. et al. 2013. “A singular dinâmica territorial dos homicídios no Brasil nos anos 2000”. [S.l.]: Brasil em Desenvolvimento 2013: estado, planejamento e políticas públicas. Instituto de Pesquisa Econômica Aplicada, Capítulo 29.

Cerqueira D., Lobão, W., Carvalho, A. X. 2005. “O jogo dos sete mitos and a miséria da segurança pública no Brasil”. [S.l.]: Instituto de Pesquisa Econômica e Aplicada. Texto para discussão, nº 1144.

Cidade, G. V. D. 2012. “A implementação do PRONASCI na região metropolitana de porto alegre: Um estudo sobre o processo e efetividade da federalização das políticas públicas de segurança pública”.

Clayton, D., Kaldor, J. 1987. “Empirical bayes estimates of age-standardized relative risks for use in disease mapping”. Biometrics, JSTOR, 671–681.

Cortes, R. X. 2014. “Estimando modelos dinâmicos utilizando o INLA para Campos Aleatórios Markovianos Não Gaussianos”. [S.l.]: Dissertação de Mestrado. Pós-graduação em Estatística da Universidade Federal de Minas Gerais.

Cortes, R. X. 2016. “Investigação de padrões criminais e de indicadores de segurança para os municípios do Rio Grande do Sul, por meio de técnicas estatísticas multivariadas”. [S.l.]: Fundação de Economia e Estatística. Texto para Discussão, no. 143.

Dey, D. K., Chen, M. H., Chang, H. 1997. “Bayesian approach for nonlinear random effects models”. Biometrics 53: 1239–1252.

Freitas, T. A. D., Cadaval, A. F., Gonçalves, G. A. 2016. “A estimação de um índice geral de criminalidade para os municípios do Rio Grande do Sul - IGcrime RS”. [S.l.]: XIX Encontro de Economia da Região Sul.

Gamerman, D., Lopes, H. 2006. “Markov chain Monte Carlo: stochastic simulation for Bayesian inference”. [S.l.]: Chapman & Hall/CRC.

Gelfand, A., Smith, A. 1990. “Sampling-based approaches to calculating marginal densities”. Journal of the American statistical association, American Statistical Association 85(410): 398–409.

Gelfand, A. E., Dey, D. K., Chang, H. 1992. “Model determination using predictive distributions, with implementation via sampling-based methods”. Bayesian Statistics 4. Proceedings of the Fourth Valencia International Meeting, p. 147–159.

Gelman, A., Rubin, D. 1992. “Inference from Iterative Simulation Using Multiple Sequences” (with discussion), Statistical Science 7: 457–511.

Geman, S., Geman, D. 1984. “Stochastic Relaxation, Gibbs Distributions, and the Bayesian Restoration of Images”. IEEE Transactions on Pattern Analysis and Machine Intelligence 6(6): 721–741.

Justus, M. D. S., Kassouf, A. L. 2008. “Estudos Econômicos das Causas da Criminalidade no Brasil: Evidências e Controvérsias”. Revista EconomiA 9(2): 343–372.

Kerber, A. O., Pazinato, E. 2016. “Muitas cabeças, muitas sentenças: Uma análise do PRONASCI em Canoas/RS a partir das representações sociais dos moradores e dos gestores do território de paz”. [S.L.]: Multi Ideias.

Khan, T. 2005. “Estatística de Criminalidade: Manual de Interpretação”. SSP-SP (Acesso em 20/09/2017). Disponível em: <http://www.ssp.sp.gov.br/media/documents/ manual interpretacao.pdf>.

Knorr-Held, L. 1999. “Bayesian modelling of inseparable space-time variation in disease risk”.

Kohavi, R. 1995. “A study of cross-validation and bootstrap for accuracy estimation and model selection”. Proceedings of the Fourteenth International Joint Conference on Artificial Intelligence 2(12): 1137–1143.

Laurini, M. P. 2016. “Income estimation using night luminosity: A continuous spatial model”. Spatial Demography, Springer 4(2): 83–115.

Laurini, M. P. 2017. “A spatial error model with continuous random effects and an application to growth convergence”. Journal of Geographical Systems, Springer 19(4): 371–398.

Lesage, J. P. 1997. “Bayesian estimation of spatial autoregressive models”. International Regional Science Review 20(1-2): 113–129.

Lesage, J. P. 1999. “The theory and practice of spatial econometrics”. [S.l.]: Department of Economics, University of Toledo.

Marshall, R. J. 1991. “Mapping disease and mortality rates using empirical Bayes estimators”. Journal of the Royal Statistical Society: Series C 40(2).

Martino, S., Rue, H. 2009. “Implementing approximate Bayesian inference using Integrated Nested Laplace

Approximation: A manual for the INLA program”. Department of Mathematical Sciences, NTNU, Norway, Citeseer.

Martins, T. et al. 2012. “Bayesian computing with INLA: new features”. Department of Mathematical Sciences, NTNU, Norway.

Monteiro, J. B. 2009. “Indicador de Criminalidade Geral Baseado em Métodos Multivariados e Estatística Espacial para Controle na Segurança Pública do Estado”. [S.l.]: Universidade Federal do Rio Grande do Sul. Monografia do Curso de Estatística.

Pringle, D. G. 1996. “Mapping disease risk estimates based on small numbers: an assessment of empirical Bayes techniques”. Economia and Social Review 27(4).

Raftery, A., Lewis, S. 1992. “How Many Iterations in the Gibbs Sampler?” Bayesian Statistics 4: 763–773.

Rue, H., Martino, S., Chopin, N. 2009. “Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations”. Journal of the Royal Statistical Society: Series B (Statistical Methodology), Citeseer 71(2): 319–392.

Ruiz-Cárdenas, R., Krainski, E, Rue, H. 2011. “Direct fitting of dynamic models using integrated nested laplace approximations–inla”. Computational Statistics & Data Analysis, Elsevier.

Saraiva, M. V., Conceicao, O. C., Franca, M. T. A. 2016. “Os determinantes da criminalidade nos municípios gaúchos: evidências de um modelo econométrico espacial”. [S.l.]: XVII Seminário sobre a Economia Mineira. CEDEPLAR: Universidade Federal de Minas Gerais.

Shaw Clifford, R., Mckay, H. 1942. “Juvenile Delinquency in Urban Areas”. [S.l.]: Chicago: University of Chicago Press.

Spiegelhalter, D. et al. 1997. “Bayesian approach for nonlinear random effects models”. Biometrics 53: 1239–1252.

Waiselfisz, J. 2014. “Mapa da Violência 2014: Os jovens do Brasil”. [S.l.]: Flacso.

Zuanazzi, P. T., Bartels, M. 2016. “Estimativas para a população flutuante do Litoral Norte do RS”. [S.l.]: Porto Alegre: FEE.

Downloads

Publicado

30-09-2018

Edição

Seção

Artigo

Dados de financiamento